一种新的人工智能工具可能很快改变医生理解乳腺癌风险的方式，在治疗的关键时刻提供更快速的答案和更精确的指导。这项技术有助于判断患者的癌症是否可能复发，而这一问题影响着数百万人的治疗决策。
纽约大学的研究人员通过将肿瘤组织的数字图像与基本临床信息相结合，开发了这项测试。他们的研究结果表明，该系统可以媲美甚至超越广泛使用的基因组测试。
癌症治疗中的持续挑战
近几十年来，乳腺癌治疗取得了进步。许多患者现在能够存活并过上完整的生活。然而，复发仍然是一个严重的问题。
在决定治疗强度时，医生常常面临艰难的选择。一些患者接受了可能不必要的化疗，而另一些患者可能需要比实际接受的治疗更多的干预。
“乳腺癌并非单一疾病，关于治疗强度的决策往往很困难，”该研究的负责人Krzysztof J. Geras说。
为了指导这些决策，临床医生通常依赖基因组测试。这些测试通过分析肿瘤组织中的基因活性来评估复发风险。虽然有用，但存在局限性。
它们可能需要数周才能出结果，而且价格昂贵，还需要特殊的处理过程，会消耗宝贵的组织样本。
将常规切片转化为答案
新方法建立在医生日常使用的基础之上。当癌症被诊断时，组织样本会被放置在玻璃载玻片上，在显微镜下检查。
AI系统以数字形式分析这些相同的切片。它会寻找人眼可能无法察觉的模式。
然后，它将这些发现与临床细节（如肿瘤分期、患者年龄和激素受体状态）相结合。结果是一个评分，用于估计癌症复发的可能性。
“这项研究表明，AI测试可以读取病理学家已经在检查的相同肿瘤切片，并结合基本的临床细节，准确估计患者癌症复发的可能性，”Geras说。
无需大量标注的学习
该系统采用一种称为自监督学习的方法。它不仅仅依赖标注过的样本，而是首先研究大量数据，自行学习模式。
“模型的准确性并非仅仅来自手工标注的数据，”Yann LeCun说。“它来自自监督预训练，使其首先学习丰富的表征，进而转化为强大的下游性能。这种方法应该能广泛推广到乳腺癌之外，更广义地说，正是这些难题所需的新型AI科学。”
这种方法使模型能够检测到可能被忽略的细微特征，也使其更适应不同类型的数据。
在数千名患者中进行测试
为了评估该系统，研究人员分析了来自3500多名患者的数据。这些患者来自七个国家的15个患者群体。
该模型在将患者分为高风险和低风险类别方面表现出色。它使用标准统计指标来确认其准确性。
其中一个关键指标——一致性指数——表明该系统能可靠地对患者进行风险排序。另一个指标——风险比——则确认了风险组之间的明显差异。
这项AI测试在不同类型的乳腺癌中也表现良好，包括三阴性乳腺癌和HER2阳性乳腺癌，而现有的基因组测试在这些病例中经常表现不佳。
这种广泛的表现表明该系统可以帮助更多患者。
更快的结果，更低的成本
最直接的好处之一是速度。传统的基因组测试可能需要数周才能完成。而AI系统在切片数字化后，可以在数小时内给出结果。
这种更快的周转可以减少等待答案的患者的压力，也可能帮助医生更快地做出治疗决策。
成本是另一个优势。由于该系统使用现有的切片，避免了额外的实验室处理。这可能使测试更加可及。
它还能保留组织样本。与消耗部分样本的基因组测试不同，AI方法保留了可供未来使用的材料。
重新思考风险与治疗
该系统还提供了更清晰的风险分类。当前的基因组测试通常将患者分为低、中、高风险组。中等风险组往往难以解释。
AI模型提供了更明显的区分。这可能帮助医生做出更自信的治疗决策。
对患者而言，这可能意味着避免不必要的化疗，或在需要时获得更具针对性的护理。
该系统在不同时间跨度上也显示出强大结果。它能够预测未来数年的结果，包括远处复发的风险。
迈向个性化医疗的一步
该研究突显了医学领域更广泛的转变。研究人员不再依赖单一类型的数据，而是结合多种来源以更好地理解疾病。
通过融合影像和临床信息，AI测试提供了更完整的患者情况图景。
它也展示了人工智能如何增强现有医疗工具，而非取代它们。
挑战与下一步
尽管结果令人鼓舞，研究人员提醒仍需更多工作。该系统必须在随机临床试验中进行测试，以确认其在真实世界决策中的价值。
他们还计划探索该模型如何预测对特定治疗的反应。这可能会进一步提升其在指导护理中的实用性。
即便如此，这些发现代表着有意义的进步。它们表明，更快、更易获得的工具可能很快帮助医生和患者做出更好的决策。
研究的实际意义
这项研究可能通过提供更快、更准确的风险评估来改善乳腺癌的治疗方式。患者可能根据个人风险而非通用指南获得更具个性化的护理。
更低的成本和更快的速度可能使更多人获得先进的检测。这一点在基因检测可及性有限的地区尤为重要。
保留组织样本也开辟了新的可能性。医生可能在未来进行额外的检测，从而支持新疗法或研究。
长期来看，这种方法可能扩展到乳腺癌之外。类似系统可能被开发用于其他疾病，帮助改善医学领域的诊断和治疗。
通过结合速度、准确性和可及性，这项技术为更明智、更有效的护理提供了一条路径。
研究结果已在线上期刊《自然通讯》上发表。
【全文结束】