|
該文章表明：盡管截至目前，大多數(shù)評(píng)估腫瘤學(xué)中AI應(yīng)用的研究尚未得到再現(xiàn)性和普遍性的有效驗(yàn)證，但是，目前科學(xué)家們正在越來(lái)越努力的將AI技術(shù)推向臨床應(yīng)用，這將對(duì)未來(lái)的癌癥護(hù)理造成重大影響。 盡管醫(yī)療技術(shù)有所改進(jìn)，但癌癥的準(zhǔn)確檢測(cè)、表征和監(jiān)測(cè)仍存在諸多挑戰(zhàn)。疾病的放射學(xué)評(píng)估通常依靠視覺(jué)評(píng)估，通過(guò)高級(jí)計(jì)算分析來(lái)加強(qiáng)。AI可以使圖像的初始處理過(guò)程自動(dòng)化，改變檢測(cè)的臨床工作流程，和決定是否采取管理干預(yù)，以及對(duì)隨后一系列尚未發(fā)生的設(shè)想情況的監(jiān)測(cè)。 AI有望對(duì)癌癥成像的定性方面取得重大突破，包括隨時(shí)間推移腫瘤的體積大小和輪廓測(cè)定、從其放射學(xué)表型推斷腫瘤基因型和生物學(xué)過(guò)程、預(yù)測(cè)臨床結(jié)果、評(píng)估疾病和治療對(duì)鄰近器官的影響。 AI在癌癥成像中的應(yīng)用 隨著對(duì)醫(yī)療保障服務(wù)需求的不斷增加以及每天并行流產(chǎn)生的大量數(shù)據(jù)，臨床工作流程的優(yōu)化和簡(jiǎn)化變得越來(lái)越重要。AI擅長(zhǎng)識(shí)別含有復(fù)雜圖案的圖像，因此，AI提供了一種可將圖像的判斷從純粹的主觀定性轉(zhuǎn)為毫不費(fèi)力的可量化的機(jī)會(huì)。 此外，AI可以量化人眼無(wú)法看到的圖像信息，從而進(jìn)一步輔助臨床決策。AI還可以將多個(gè)數(shù)據(jù)流聚合成功能強(qiáng)大的涵蓋放射線圖像、基因組學(xué)、病理學(xué)、電子健康記錄和社交網(wǎng)絡(luò)的集成診斷系統(tǒng)。 在癌癥成像中，AI在腫瘤的檢測(cè)、表征和監(jiān)測(cè)方面具有很大的實(shí)用性。（如下圖所示） 即：
除了為臨床醫(yī)生提供輔助信息以外，AI在臨床決策階段也被證明了其實(shí)用性。 基于AI的集成診斷將分子和AI信息與基于圖像的發(fā)現(xiàn)相結(jié)合，為結(jié)果增加了豐富的智能性并使決策更加明智。在臨床診斷中，上述AI措施有望增強(qiáng)目前的臨床工作流程（如下圖所示）。 傳統(tǒng)治療中，需要對(duì)腫瘤患者的腫塊進(jìn)行初步放射學(xué)診斷，根據(jù)臨床因素和患者情況進(jìn)行治療或觀察，在經(jīng)過(guò)一段時(shí)間，獲得組織進(jìn)行明確的組織病理學(xué)診斷和分子基因分型后確定臨床結(jié)果。 相比之下，基于AI的措施提供了在腫瘤治療的不同階段增加臨床工作流程和決策的潛力，且其結(jié)果的持續(xù)反饋和優(yōu)化可以進(jìn)一步完善AI系統(tǒng)。 肺癌圖像 醫(yī)學(xué)成像和AI通過(guò)區(qū)分良性和惡性結(jié)節(jié)在改善肺癌的早期檢測(cè)和表征方面發(fā)揮重要作用。由于早期階段通常是可以治愈的，因此可以大大改善患者的治療效果，減少過(guò)度治療，甚至挽救生命。 此外，AI還可以增強(qiáng)肺癌分期和治療選擇，以及監(jiān)測(cè)治療反應(yīng)。 如上圖顯示了AI在肺癌篩查中檢測(cè)偶發(fā)性肺結(jié)節(jié)的臨床應(yīng)用：成像分析顯示，在初步檢測(cè)到偶發(fā)性肺結(jié)節(jié)和區(qū)分惰性肺癌和侵襲性肺腫瘤時(shí)，AI可預(yù)測(cè)患肺癌的風(fēng)險(xiǎn)。 AI評(píng)估靶向治療和免疫療法 AI的優(yōu)勢(shì)非常適合克服當(dāng)前一代靶向和免疫療法帶來(lái)的挑戰(zhàn)，可產(chǎn)生明顯的臨床益處。 越來(lái)越多的證據(jù)表明，AI可以通過(guò)識(shí)別與反應(yīng)相關(guān)的放射性生物標(biāo)志物來(lái)評(píng)估免疫療法的效果；定量成像數(shù)據(jù)的AI分析還可以改善對(duì)靶向治療的響應(yīng)的評(píng)估；AI通過(guò)其表征腫瘤圖像中復(fù)雜模式的能力提供了高度客觀性。 CNS腫瘤成像 AI可以通過(guò)改進(jìn)膠質(zhì)瘤術(shù)前分類且超出人類專家提供的范圍來(lái)提高當(dāng)前標(biāo)準(zhǔn)診斷成像技術(shù)的效用。 例如，AI已經(jīng)應(yīng)用于術(shù)前MRI的研究，通過(guò)使用從空間共同注冊(cè)的多模式MRI獲得的圖像紋理特征，訓(xùn)練機(jī)器學(xué)習(xí)分類器來(lái)區(qū)分低級(jí)別和高級(jí)別腫瘤以及個(gè)體WHO等級(jí)。 使用具有特定腫瘤亞型的預(yù)選患者群體訓(xùn)練AI算法，將診斷模型集成到臨床工作流程中仍然具有一定的挑戰(zhàn)性。 乳腺癌成像 成像和計(jì)算機(jī)的進(jìn)步協(xié)同導(dǎo)致AI在乳腺成像中的使用迅速增加，例如風(fēng)險(xiǎn)評(píng)估，檢測(cè)，診斷，預(yù)后和對(duì)治療的反應(yīng)。
磁共振成像乳腺癌基因組特征與放射學(xué)表型的顯著相關(guān)性。 前列腺癌成像 最近深度學(xué)習(xí)在前列腺癌篩查和侵襲性癌癥診斷中產(chǎn)生了較好的結(jié)果。 多參數(shù)磁共振成像為臨床上前列腺病變的檢測(cè)和定位提供對(duì)比度，并提供關(guān)于組織解剖學(xué)，功能和特征的信息。 前列腺癌的計(jì)算機(jī)輔助檢測(cè)和診斷系統(tǒng)可以幫助臨床醫(yī)生減少在診斷MRI上的遺漏或過(guò)度診斷可疑目標(biāo)的可能性，盡管這需要在常規(guī)臨床合并之前的試驗(yàn)中進(jìn)一步驗(yàn)證。 盡管AI在癌癥成像中取得了成功，但是但在廣泛臨床應(yīng)用之前仍需克服一些限制和障礙。盡管AI可以檢測(cè)到可能對(duì)臨床有益的偶然發(fā)現(xiàn)，但這些發(fā)現(xiàn)也可能在臨床上是不正確的，并且如果在正確的臨床環(huán)境中沒(méi)有仔細(xì)構(gòu)建，可能會(huì)增加患者的壓力，醫(yī)療保健成本和治療中不希望的副作用。 此外，成像不是檢測(cè)疾病的唯一措施，越來(lái)越多的人認(rèn)識(shí)到，癌癥的分子特征，包括腫瘤的非侵入性血液生物標(biāo)志物，社會(huì)經(jīng)濟(jì)狀況，甚至社交網(wǎng)絡(luò)，都會(huì)對(duì)癌癥患者的結(jié)果產(chǎn)生影響。 在沒(méi)有人類專家提供的基本事實(shí)的情況下預(yù)測(cè)結(jié)果的策略，可能會(huì)破壞當(dāng)今臨床醫(yī)生和患者熟悉的傳統(tǒng)工作流程。然而，人工智能在監(jiān)測(cè)衛(wèi)生資源和結(jié)果方面的增加可能會(huì)提高效率并降低成本。與任何新的創(chuàng)新技術(shù)一樣，開(kāi)發(fā)的可能性會(huì)超出了當(dāng)前的想象。 參考資料 Artificial intelligence in cancer imaging: Clinical challenges andapplications doi: 10.3322/caac.21552 ——本期完—— |
|
|
