人工智能工具帮助预测小儿脑癌的复发

快速阅读: 据《科学日报》最新报道，研究显示，AI可通过分析多张脑部扫描图像，更准确预测儿童胶质瘤复发风险，有望减少低风险患者检查频率或提早对高风险患者进行辅助治疗。该研究由美国国立卫生研究院等资助，但仍需更多验证才能临床应用。

“许多儿童胶质瘤通过手术即可治愈，但当复发发生时，可能会带来严重后果，”该研究的通讯作者本杰明·坎恩（Benjamin Kann）医学博士说，他是马萨诸塞州综合布里格姆医院人工智能医学（AIM）项目和布里格姆妇女医院放射肿瘤科的研究人员。“很难预测谁可能面临复发风险，因此患者需要多年频繁进行磁共振（MRI）复查，这对孩子和家庭来说可能是一个压力重重且负担沉重的过程。我们需要更好的工具来尽早识别出哪些患者复发风险最高。”

针对相对罕见疾病（如儿童癌症）的研究可能因数据不足而面临挑战。这项由美国国立卫生研究院部分资助的研究，借助全国范围的合作机构关系，从715名儿童患者中收集了近4,000份磁共振扫描图像。为了最大化AI可以从患者的脑部扫描中学到的知识，并更准确地预测复发，研究人员采用了称为时间学习的技术，这种方法通过不同时期获取的图像来指导算法预测癌症复发。通常，用于医学影像的AI模型被训练从单次扫描中得出结论；在此之前，未被用于医学影像领域的AI研究，时间学习技术通过不同时期获取的图像来指导算法预测癌症复发。

为了开发时间学习模型，研究人员首先训练模型按照时间顺序排列患者的术后MRI扫描结果，以便模型能够学会识别细微的变化。在此基础上，研究人员进一步微调模型，使其在适当情况下正确关联变化与随后的癌症复发。最终，研究人员发现，时间学习模型在治疗后一年内预测低度或高度胶质瘤复发的准确性为75%-89%，显著优于基于单张图像预测的准确性（约50%，相当于随机猜测）。为AI提供更多的治疗后时间点图像可以提高模型的预测准确性，但仅需四到六张图像即可达到效果趋于稳定的状态。

研究人员警告称，在临床应用之前，还需要在更多设置下进行验证。他们最终希望启动临床试验，看看AI辅助的风险预测能否改善护理质量——无论是减少低风险患者的检查频率，还是提前对高风险患者采用针对性辅助治疗。

“我们已证实，AI能够有效地从多张图像而不是单张扫描中进行预测，”该研究的第一作者迪维扬舒·塔克（Divyanshu Tak）硕士表示，他来自马萨诸塞州综合布里格姆医院AIM项目和布里格姆医院放射肿瘤科。“这种技术可以在许多患者接受连续、纵向成像的场景中应用，我们很期待看到这个项目将激发什么。”

**作者名单：**
除了坎恩和塔克外，马萨诸塞州综合布里格姆医院的作者还包括宾尼亚姆·加罗姆萨（Biniam A. Garomsa）、安娜·扎帕什奇科娃（Anna Zapaishchykova）、叶泽宗（Zezhong Ye）、玛丽亚姆·马胡提哈（Maryam Mahootiha）、塔法兹瓦·查乌恩兹瓦（Tafadzwa Chaunzwa）、雨果·JWL·阿特兹（Hugo JWL Aerts）和达芙妮·海斯-科根（Daphne Haas-Kogan）。其他作者包括斯里达尔·瓦贾佩亚姆（Sridhar Vajapeyam）、胡安·卡洛斯·克莱门特·帕尔多（Juan Carlos Climent Pardo）、西莉迪·史密斯（Ceilidh Smith）、阿里安娜·M·法米利亚尔（Ariana M. Familiar）、凯文·X·刘（Kevin X. Liu）、桑贾伊·普拉布胡（Sanjay Prabhu）、普拉蒂蒂·班多帕德哈伊（Pratiti Bandopadhayay）、阿里·纳巴维扎德（Ali Nabavizadeh）、萨宾·穆勒（Sabine Mueller）和蒂娜·Y·波苏安特（Tina Y. Poussaint）。

**资金支持：**
本研究部分由美国国立卫生研究院/国家癌症研究所（NIH/NCI）资助（U54 CA274516 和 P50 CA165962），以及Botha-Chan低级别胶质瘤联合会资助。特别感谢儿童脑肿瘤网络（CBTN）在影像学和临床数据方面的支持。

(以上内容均由Ai生成)