个性化医疗旨在根据个体患者的需求量身定制治疗方案。到目前为止，这种方法主要依赖少量参数预测疾病进程，但对于像癌症这样复杂的疾病，这些参数往往不足以全面理解其复杂性。来自杜伊斯堡-埃森大学医学院（UDE）、慕尼黑大学（LMU）和柏林学习与数据基础研究所（BIFOLD）的研究团队开发了一种新的解决方案，利用人工智能（AI）技术应对这一挑战。
基于埃森大学医院的智能医院基础设施，研究人员整合了来自不同模态的数据——包括病史、实验室值、影像和基因分析，以支持临床决策。
“尽管现代医学拥有大量临床数据，但真正的个性化医疗承诺往往未能实现。”埃森大学医院医学人工智能研究所（IKIM）和科隆-埃森癌症研究中心（CCCE）的 Jens Kleesiek 教授表示。
在肿瘤学临床实践中，目前使用的评估系统相对僵化，例如癌症分期分类，很少考虑性别、营养状况或共病等个体差异。“现代人工智能技术，特别是可解释的人工智能（xAI），可以用于解码这些复杂关系，并在更大程度上实现癌症治疗的个性化，”LMU病理学研究所主任、BIFOLD研究小组负责人 Frederick Klauschen 教授说，他与 Klaus-Robert Müller 教授共同开发了这一方法。
在最近发表于《自然·癌症》杂志上的研究中，AI接受了超过15,000名患者的数据训练，涵盖总共38种不同的实体瘤。研究人员考察了350个参数之间的相互作用，包括临床数据、实验室值、影像数据和遗传肿瘤谱型。“我们确定了神经网络决策过程中的关键因素，以及大量参数之间的预后相关相互作用，”埃森大学医院医学人工智能研究所的 Julius Keyl 博士解释道。
然后，该AI模型在超过3,000名肺癌患者的数据上成功进行了测试，以验证识别出的相互作用。AI结合数据并为每位患者计算总体预后。作为可解释的人工智能，该模型通过展示每个参数如何贡献于预后，使临床医生能够透明地了解其决策过程。“我们的结果表明，人工智能具有潜力，可以从整体角度重新评估临床数据，从而实现个性化、数据驱动的癌症治疗，”LMU的 Philipp Keyl 博士说。这种AI方法还可以应用于紧急情况，在这些情况下，快速评估诊断参数的整体情况至关重要。
研究人员还希望揭示迄今为止用传统统计方法未检测到的跨癌症复杂相互关系。“在国家肿瘤疾病中心（NCT），与其他肿瘤学网络如巴伐利亚癌症研究中心（BZKF）合作，我们具备理想的条件，下一步是在临床试验中证明我们技术的真实患者受益，”NCT西部站点的管理主任兼埃森大学医院内科肿瘤学系主任 Martin Schuler 教授补充道。
(全文结束)
