医院：莫菲特癌症中心，坦帕
规模：346张床位
预算：年度运营支出28.9亿美元；年度运营收入30.2亿美元
技术：用于预测癌症恶病质/严重消耗综合征的人工智能
癌症之所以难治，原因众多，但其中最主要的原因可能是每个病例都伴随着一系列独特的并发症。
对于部分患者而言，癌症诊断可能同时伴随着癌症恶病质的诊断。医生将恶病质称为一种导致肌肉质量流失的消耗综合征，它会使治疗变得更加困难，甚至会因患者的身体状况和毒性水平而完全中止治疗。患有癌症恶病质的癌症患者通常死亡率更高——克利夫兰诊所的数据显示，约50%的癌症患者患有恶病质，而25%的癌症死亡病例是由恶病质导致的。
但随着莫菲特目前正在开拓的新技术，医生和研究人员希望癌症恶病质能够被更早、更准确地识别出来，从而为患者创造更好的治疗结果。莫菲特机器学习工程师、负责该工具研究的萨比恩·艾哈迈德表示，在后期阶段，这种状况"不可能逆转"。早期识别则带来更多希望。
研究人员决定攻克这一课题的部分原因在于，恶病质的诊断标准很少，而且当患者被确诊时，往往已经太晚，无法进行有效治疗。在传统医学文献中，癌症恶病质通常通过一个标准指标来诊断——六个月内体重减轻5%。
艾哈迈德说："这是一个非常基础的指标，但它实际上并不是恶病质的指标，也不能用于早期诊断。对于某些癌症患者来说，当他们来到诊所并被诊断出癌症时，可能已经处于恶病质状态了。"
萨比恩·艾哈迈德是莫菲特的一名机器学习工程师。
照片由马克·温普尔拍摄
艾哈迈德已与其他研究人员合作一年多，训练一种能够预测恶病质的人工智能模型。该模型会分析患者的生物标志物、医学影像、血液检测结果、肌肉功能和身体状况。通过对各种因素的评估，它能够为患者实际发展为恶病质的可能性打分。
目前，这一过程主要是手动的，需要医生仔细查阅文件并根据眼前的信息计算恶病质评分。但莫菲特的前瞻性人工智能工具旨在完全实现自动化，通过基于以往恶病质诊断和患者档案的模型训练，了解哪些因素会使患者成为该疾病的高风险人群。
艾哈迈德表示，莫菲特的工具主要设计用于预测而非诊断，部分原因是这可能如何帮助患者。
她说："诊断始于恶病质已经存在——综合征已经发生并被触发。所以我们只想在触发前进行预测，这样所有这些干预措施都能更有效地预防恶病质的发生，而不是试图阻止它。"
莫菲特可能需要几年时间才能在临床环境中使用这一工具。艾哈迈德的团队一直在对胰腺癌中的一种特定类型癌症进行模型测试。一旦该模型对其他类型的癌症进行了充分训练，莫菲特将进入可以使用其他医院的数据来训练模型的阶段。在此过程中，该模型还需要获得美国食品药品监督管理局的批准，才能实际用于临床环境。
尽管从开发到使用之间存在较长的时间间隔，但艾哈迈德认为改善患者生活质量是一个明确的动力，因为恶病质是一种使最基本行为都变得具有挑战性的疾病。
她说："这对患者及其护理人员来说都非常令人沮丧，即使在家中也是如此。所以我们基本上希望帮助患者在治疗过程中保持肌肉和肌肉健康，以保护他们的生活质量和治疗效果。"
【全文结束】
