Nature子刊：人工智能更准确预测卵巢癌患者的预后

来源 | Nature Communications

整理 | AI赛事君

卵巢位于女性的盆腔深处，体积比较小，如果不做专项的妇科检查，卵巢部位是比较难发现病变的。因此很多女性发现的时候都是卵巢癌中晚期，那个时候癌细胞可能会扩散到了腹部其他器官，治愈起来难度也大大增加。卵巢癌是女性生殖器官常见的恶性肿瘤之一，发病率仅次于子宫颈癌和子宫体癌。卵巢癌中以上皮癌最多见，其次是恶性生殖细胞肿瘤。据统计，卵巢上皮癌(Epithelial Ovarian Cancer，EOC)的五年生存率仅为35–40%。

目前，医生诊断卵巢癌的方法有很多，其中就包括血液检测。它的技术原理是寻找一种叫做CA125的物质(一种癌症的迹象)，然后进行CT扫描，用x光和电脑来进一步制作卵巢肿瘤的详细图像。这有助于临床医生了解疾病的传播范围，并确定患者接受的治疗类型，以确定手术还是化疗。然而，这种方法也存在弊端，它并不能让临床医生详细了解患者可能的总体结果或治疗干预的可能效果。

2月15日，《Nature Communications》杂志上发表了伦敦帝国理工学院(Imperial College London)和墨尔本大学(University of Melbourne)研究团队的关于卵巢癌的研究成果。文章利用机器学习设计出了一种数学描述子——Radiomic Prognostic Vector（RPV），并开发了一个基于影像组学的预后模型，它能够比现有的方法更准确地预测卵巢癌患者的预后，而且还可以预测哪些治疗方法对确诊后的患者最有效。

具体来说，在最新的这项研究中，研究人员开发了名为TEXLab的数学软件工具，用来提取657个影像组学特征，包括形状、大小、纹理和小波等特征。这些特征显著影响患者的整体生存，通过无监督聚类分析验证了影像组学特征和基因特征、临床特征有着内在的关联性。随后研究人员了评估患者的RPV分数，该评分指示疾病的严重程度，从轻微到严重不等。研究人员将结果与血液检测和医生目前用来评估生存率的预后评分进行了比较。他们发现，该方法预测卵巢癌死亡的准确性是标准方法的四倍。

接下来，研究人员将开展一项规模更大的研究，结合遗传学，转录组学，蛋白质组学和组织学分析，以了解该方法预测单个患者手术和/或药物治疗结果的准确性。

AI加速

《AI赛事最前线》组建了多个医疗AI加速群，包括影像+AI、病理+AI、电子病历+AI等等，交流讨论医疗AI前沿进展，长按下面二维码添加微信，申请入群。