多年来，癌症研究人员注意到，一种致命的脑癌——胶质母细胞瘤（glioblastoma）在男性中比女性更为常见。他们还发现，这些肿瘤在男性中往往更具侵略性。然而，确定可能帮助医生预测哪些肿瘤可能更快生长的特征一直颇具挑战性。
威斯康星大学麦迪逊分校的研究人员正利用人工智能来揭示这些风险因素及其在两性之间的差异。胶质母细胞瘤是最具侵略性的癌症之一，诊断后的中位生存期仅为15个月。放射学和生物医学工程教授Pallavi Tiwari及其同事在《科学进展》（Science Advances）杂志上发表了他们的初步研究结果，展示了人工智能在改善癌症患者医疗护理方面的潜力。
“在癌症患者的治疗过程中，积累了大量的数据，”Tiwari说，她还隶属于医学物理系。“不幸的是，目前这些数据通常是以孤立的方式进行研究，而这是人工智能的巨大潜力所在。”
Tiwari于2022年来到威斯康星大学麦迪逊分校，帮助领导该校新的人工智能医学影像项目。她是卡本癌症中心成像和放射科学项目的联合主任。她的研究利用人工智能模型的计算能力，分析大量医学图像，寻找有助于肿瘤学家及其患者做出更好决策的模式。
“我们希望解决癌症患者治疗过程中的整个范围的挑战，从诊断和预后到治疗反应评估，”Tiwari说。
在这项研究中，Tiwari和前研究生Ruchika Verma转向病理切片的数字图像，寻找可能预测肿瘤生长速度及患者预期生存时间的模式。胶质母细胞瘤是一种极具侵略性的癌症，诊断后的中位生存期仅为15个月。
“患者在诊断后往往寿命不长，”Tiwari说。“但一个巨大的挑战是预后——确定患者实际上能活多久，以及他们的预后可能如何。这一点很重要，因为最终的预后决定了他们接受的治疗和诊断后的生活质量。”
为了应对这一挑战，Tiwari和Verma建立了一个AI模型，能够识别病理切片中即使细微的模式，这些模式可能肉眼无法察觉。他们使用来自250多项胶质母细胞瘤患者研究的数据，训练该模型识别肿瘤的独特特征，如某些细胞类型的丰富程度及其侵入周围健康组织的程度。
此外，他们还训练该模型识别这些特征与患者生存时间之间的关系，同时考虑其性别。通过这样做，他们开发了一个能够识别与每个性别高度相关的更具侵略性肿瘤的风险因素的AI模型。对于女性而言，高风险特征包括侵入健康组织的肿瘤。在男性中，围绕死亡组织的某些细胞（称为伪栅栏细胞）的存在与更具侵略性的肿瘤相关。
该模型还识别了对男女都可能导致更差预后的肿瘤特征。
这项研究可能有助于为胶质母细胞瘤患者提供更个性化的护理。“通过揭示这些独特模式，我们希望激发个性化治疗的新途径，并鼓励继续探究这些肿瘤中观察到的生物学差异，”Verma说。
除了这项研究，Tiwari及其同事还在使用MRI数据进行类似的工作，并开始利用人工智能分析胰腺癌和乳腺癌，旨在改善患者的预后。
此外，Tiwari还在帮助塑造大学的RISE-AI和RISE-THRIVE计划，这些计划分别使威斯康星大学麦迪逊分校成为跨学科人工智能研究和人类健康跨度研究的领导者。“威斯康星大学在工程和医学校园内拥有丰富多样的专业知识，”Tiwari说，“通过RISE计划，我们在将人工智能研究成果转化为临床护理方面处于领先地位。”
(全文结束)
