麻省理工学院研究人员开发了一个可以检测未来肺癌风险的人工智能模型 | 麻省理工学院新闻 | 麻省理工学院2023年1月20日
Sybil这个名字起源于古希腊的神谕,也被称为sibyls:女性人物,他们被依赖来传递对看不见和无所不能的过去、现在和未来的神圣知识。现在,这个名字是从古代发掘出来的,并被授予麻省理工学院阿卜杜勒·拉蒂夫·贾米尔健康机器学习诊所、大众普通癌症中心(MGCC)和长宫纪念医院(CGMH)的研究人员正在开发的用于肺癌风险评估的人工智能工具。
MGCC胸部介入放射科医生、新工作的合著者Florian Fintelmann说,它是最大的癌症杀手,因为它相对常见,治疗相对困难,特别是在它达到晚期后。“在这种情况下,重要的是要知道,如果你及早发现肺癌,长期结果会好得多。你的五年生存率接近70%,而如果你在它上升时检测到它,五年生存率就不到10%。”
尽管近年来为抗击肺癌而引入的新疗法激增,但大多数肺癌患者仍然死于这种疾病。低剂量肺断层扫描(LDCT)是目前最常见的方式,患者筛查肺癌,希望在最早的阶段找到它,那时仍然可以通过手术切除。Sybil更进一步地进行筛查,在没有放射科医生帮助的情况下分析LDCT图像数据,以预测患者在六年内患未来肺癌的风险。
在发表在《临床肿瘤学杂志》上的新论文中,Jameel Clinic、MGCC和CGMH的研究人员证明,Sybil在六年内分别从国家肺癌筛查试验(NLST)、大众综合医院(MGH)和CGGHH的各种肺部LDCT扫描中获得0.75、0.81和0.80的C指数——C指数得分超过0.7的模型被认为是好的,超过0.8的模型被认为是强的。使用Sybil进行一年预测的ROC-AUC得分更高,从0.86到0.94不等,其中1.00是可能的最高分。 尽管取得了成功,但肺CT扫描的3D性质使Sybil成为构建的挑战。合著者Peter Mikhael是麻省理工学院电气工程和计算机科学博士生,也是Jameel诊所和麻省理工学院计算机科学和人工智能实验室(CSAIL)的附属机构,他把这个过程比作“试图在干草堆里找到针头”。用于训练Sybil的成像数据基本上没有任何癌症迹象,因为早期肺癌占据了肺部的一小部分——只是每次CT扫描数十万像素的一小部分。肺组织的密度部分被称为肺结节,虽然它们有可能致癌,但大多数不是,并且可能来自愈合的感染或空气传播的刺激物。
为了确保Sybil能够准确评估癌症风险,Fintelmann和他的团队用可见的癌症肿瘤标记了数百次CT扫描,这些肿瘤将用于在CT扫描中测试该模型之前训练Sybil,没有明显的癌症迹象。
麻省理工学院电气工程和计算机科学博士生Jeremy Wohlwend是该论文的合著者,Jameel诊所和CSAIL附属机构,他对Sybil的得分如此之高感到惊讶,尽管没有任何可见的癌症。他回忆道:“我们发现,虽然我们(作为人类)无法完全看到癌症在哪里,但该模型仍然可以对哪种肺部最终会患上癌症具有一定的预测能力。”“知道[Sybil]能够强调哪一方最有可能的一方对我们来说真的很有趣。”
合著者Lecia V.MGH医学肿瘤学家、肺癌专家、早期癌症检测创新中心主任Sequist表示,该团队与Sybil取得的成果很重要,“因为肺癌筛查在美国或全球没有得到充分发挥其潜力,Sybil也许能够帮助我们弥合这一差距。”
由于各种因素,美国受肺癌影响最严重的地区肺癌筛查计划不发达。这些因素从对吸烟者的耻辱到政治和政策因素,如医疗补助的扩张,医疗补助的扩张因州而异。
此外,今天许多被诊断出患有肺癌的患者要么从未吸烟,要么是15年前戒烟的前吸烟者——这些特征使这两组患者都不符合在美国接受肺癌CT筛查的条件。
Mikhael说:“我们的培训数据仅包括吸烟者,因为这是注册NLST的必要标准。”“在台湾,他们筛查非吸烟者,因此我们的验证数据预计将包含不吸烟的人,很高兴看到Sybil很好地推广到该人群。”
Sequist说:“这项研究令人兴奋的下一步将是对几十年前没有吸烟或戒烟的肺癌高危人群进行前瞻性测试Sybil。”“我每天都在肺癌诊所治疗这些患者,他们可以和解,因为他们不会成为接受筛查的候选人,这是可以理解的。也许这种情况将来会改变。”
越来越多的肺癌患者被归类为非吸烟者。与非吸烟者男性相比,女性非吸烟者更有可能被诊断出患有肺癌。在全球范围内,超过50%被诊断出患有肺癌的女性是非吸烟者,而男性为15%至20%。 麻省理工学院教授Regina Barzilay是论文的共同作者,也是科赫综合癌症研究所的成员,她将麻省理工学院和MGH在Sybil上的共同努力归功于Sylvia,Sylvia是Barzilay的密友和Sequist的病人之一。Barzilay回忆说,Sylvia年轻、健康、运动——她从不抽烟。“当她开始咳嗽时,她的医生和家人最初都没有怀疑原因可能是肺癌。当西尔维亚最终被确诊并见到了医生时。Sequist,这种疾病太严重了,无法恢复其发展。在哀悼西尔维亚的去世时,我们忍不住想,有多少其他患者也有类似的轨迹。”
这项工作得到了桥梁项目的支持,该项目由麻省理工学院科赫研究所与Dana-Farber/哈佛癌症中心、麻省理工学院贾米尔诊所、广达计算机、抗癌、MGH早期癌症检测创新中心、布劳弗和兰德里家族、上级肺癌以及麻省理工学院和哈佛大学布罗德研究所的埃里克和温迪·施密特中心之间的伙伴关系。Chang Gung医学基金会下属的Linkou CGMH癌症中心为数据收集和R提供了帮助。杨,J。Song及其团队(Quanta Computer Inc.)为分析CGMH数据集提供了技术和计算支持。作者感谢国家癌症研究所访问国家肺脏筛查试验收集的NCI数据,以及参与试验的患者。
引用自:
https://news.mit.edu/2023/ai-mod ... re-lung-cancer-0120