一项使用时间序列学习的人工智能（AI）工具在预测儿童胶质瘤复发方面取得了显著进展，其准确率达到75%至89%，远超传统的单一图像方法。这项研究涉及近4,000张来自715名儿科患者的扫描图像，突显了AI在个性化癌症护理方面的潜力。
该AI模型通过分析治疗后的多次脑部扫描图像，提高了预测准确性。研究发现已发表在《新英格兰医学杂志AI》上。研究人员表示，这种技术可能广泛适用于其他癌症和慢性疾病患者的监测和风险预测。
“许多儿童胶质瘤可以通过手术治愈，但一旦复发，后果可能非常严重，”该研究的主要作者、马萨诸塞州总医院布里格姆妇女医院放射肿瘤科的Benjamin Kann博士说。“预测哪些患者有复发风险非常困难，因此患者需要在多年内频繁进行磁共振成像检查，这对儿童及其家庭来说是一个压力巨大的过程。我们需要更好的工具来早期识别高风险患者。”
Kann博士还指出，这项研究包括了近4,000张来自715名儿科患者的扫描图像。研究人员采用了一种称为时间序列学习的技术，这是首次用于医学影像AI研究。该技术训练AI工具综合分析术后几个月内的多次脑部扫描图像。首先，模型被训练按时间顺序排列术后的MRI图像，帮助其检测细微变化。然后，进一步优化模型，将这些变化与随后的癌症复发联系起来。
尽管如此，研究人员提醒说，在临床应用之前还需要在更多环境中进行验证。他们计划启动临床试验，以确定AI驱动的风险预测是否可以通过减少低风险患者的影像检查次数或为高风险患者提供早期靶向治疗来改善护理。
“我们已经证明，AI能够有效地分析并从多张图像中做出预测，而不仅仅是单次扫描，”第一作者Divyanshu Tak表示。“这项技术可以应用于许多需要连续、纵向成像的场景，我们对这个项目的未来充满期待。”
儿童癌症是指从出生到14岁诊断出的癌症。这些罕见的癌症在生长、扩散、治疗和反应方面与成人癌症不同。常见的类型包括白血病、脑和脊髓肿瘤、淋巴瘤、神经母细胞瘤、威尔姆斯瘤、视网膜母细胞瘤以及骨和软组织癌症。
大多数患有胶质瘤的儿童由于复发模式难以预测，需要频繁进行脑部MRI检查，但深度学习可能有助于改善个性化的监测。
(全文结束)
