乳腺癌是最常见的癌症类型之一。2022年，该疾病导致全球670,000人死亡。现在，哥本哈根大学的一项新研究显示，人工智能可以通过扫描不规则细胞来帮助女性获得更好的治疗，从而提供更准确的风险评估。这项研究发表在《柳叶刀数字健康》上，发现这种人工智能技术在预测癌症风险方面远胜于当前的临床基准。
研究人员使用哥本哈根大学开发的深度学习人工智能技术，分析了捐赠者的乳腺组织活检样本，寻找受损细胞的迹象，这是癌症风险的一个指标。“该算法在识别这些细胞方面是一个巨大的飞跃。每年有数百万次活检，这项技术可以帮助我们更好地识别风险，为女性提供更好的治疗，”哥本哈根大学细胞与分子医学系副教授Morten Scheibye-Knudsen说，他是该研究的资深作者。
预测五倍风险的乳腺癌病例
评估癌症风险的核心是寻找因所谓的细胞衰老而死亡的细胞。衰老细胞仍然具有代谢活性，但已停止分裂。先前的研究表明，这种衰老状态有助于抑制癌症的发展。然而，衰老细胞也可能引起炎症，从而导致肿瘤的形成。通过使用深度学习人工智能技术在组织活检中搜索衰老细胞，研究人员能够比目前评估乳腺癌风险的金标准——盖尔模型更好地预测癌症风险。
“我们还发现，如果我们结合两个自己的模型或一个我们的模型与盖尔评分，我们可以得到更好的预测结果。其中一个模型组合给出了4.70的比值比，这是一个巨大的提升。如果我们可以从一个健康的活检样本中查看细胞，并预测捐赠者在未来几年内几乎有五倍的风险发展成癌症，这将是非常重要的，”该研究的第一作者Indra Heckenbach说。
训练“僵尸细胞”的算法可以提供更好的治疗
研究人员在细胞培养中故意损伤的细胞上训练了人工智能技术，使其变得衰老。然后，他们使用该人工智能技术对捐赠者的活检样本进行检测，以识别衰老细胞。“我们有时称它们为‘僵尸细胞’，因为它们失去了一些功能，但还没有完全死亡。它们与癌症的发展有关，因此我们开发并训练了算法来预测细胞衰老。具体来说，我们的算法会观察细胞核的形状，因为当细胞衰老时，细胞核会变得更加不规则，”Indra Heckenbach解释道。
这项技术还需要几年时间才能在临床上应用，但一旦可用，就可以在全球范围内应用，因为它只需要标准的组织样本图像来进行分析。到那时，世界各地的女性都可以利用这一新见解获得更好的治疗，Morten Scheibye-Knudsen补充道：“我们可以利用这些信息对患者进行风险分层，改善治疗和筛查方案。医生可以更密切地关注高风险个体，他们可以接受更频繁的乳房X光检查和活检，我们可以在早期发现癌症。同时，我们可以减少低风险个体的负担，例如减少活检的频率。”
(全文结束)
