由紐約大學醫學院(NYU School of Medicine)的研究人員發表一種利用google的Inception v3人工智慧學習分析肺部腫瘤的圖像,以區分出腺癌(LUAD)和鱗狀細胞癌(LUSC),準確率可達97%。另外還能進一步確定與肺癌相關的6種基因的異常形式,包括STK11、FAT1、EGFR、SETBP1、KRAS和TP53,準確率為73%至86%。相關研究日前已發表於《Nature Medicine》期刊上。
肺癌被喻為惡性度最高的腫瘤,依照腫瘤發生的部位、組織病理及臨床特徵等不同,有多種分類方法,其中鱗狀上皮細胞癌又是肺癌中治療效果最差的,被稱為「孤兒肺癌」,在臨床診斷上由於分化不全也容易造成腫瘤在辨別上有失誤。

利用AI分辨出兩種肺癌類型,紅色鱗狀細胞癌,藍色肺鱗狀細胞癌和灰色正常肺組織。(圖片來源:NYU School of Medicine)
來自紐約大學醫學院的研究團隊利用google的Inception v3深度卷積神經網絡( deep convolutional neural network),訓練已確診的1634張癌症圖像的數據庫,來分析癌症基因組圖譜中的幻燈片圖像,以準確和自動地對正常組織與患病組織進行分類。
有趣的是,研究人員在利用機器學習並驗證的過程中,發現AI在分類時其中小部分腫瘤圖像,約有一半被病理學家錯誤分類,其中由病理學家分類錯誤的54張圖像中有45張被機器學習更正為正確的癌症類型,顯示了區分腺癌和鱗狀細胞癌兩種肺癌類型的難度。
另外研究人員也表示,確定每種腫瘤中哪些基因發生變化對於增加標靶治療的使用變得至關重要,例如,已知大約20%的腺癌患者在表皮生長因子受體或EGFR中具有突變,目前確認突變的基因檢測需要數週才能得到結果,而研究團隊利用人工智慧確定與肺癌相關的6種基因的異常,包含,STK11、FAT1、EGFR、SETBP1、KRAS和TP53,準確率可達73-86%。
展望未來,研究團隊也將計畫繼續使用數據對AI進行更深的培訓,直到它能夠確定哪些基因在特定癌症中突變,並解提升準確率超過90%,另外他們也將開始尋求政府批准在臨床上使用該技術,並且增加癌症類型的診斷。
資料來源: Artificial intelligence can determine lung cancer type.
發表迴響
抱歉,你必須要登入才能發表迴響喔!