人工智能在癌症诊断和治疗中发挥着越来越重要的作用

医生希望癌症治疗的未来是个性化的：利用基因，他们将能够为患者精确匹配能够对抗肿瘤的药物或治疗方案。然而，肿瘤遗传学信息通常与特定治疗中肿瘤患者的效果数据无关。这使得研究人员很难为个别患者量身定制治疗方案。“有时，我们只知道患有特定病理的患者能活多久，如果知道的话，”波士顿丹娜法伯癌症研究所的肿瘤内科医生肯尼斯凯尔说。“问哪些突变可以预测特定治疗的益处等问题比人们想象的更具挑战性。”

为了帮助缓解这些挑战，凯尔与一个团队合作开发了一种机器学习算法，该算法可以从电子健康记录中的医生和放射科医生的笔记中提取信息，以确定特定患者的癌症进展情况。他们的工具本周发表在《JAMA Oncology》杂志上，未来可能有助于识别可以从临床试验或其他特定干预措施中受益的患者——这是将人工智能引入肿瘤学的更大努力的一部分。

癌症患者肿瘤进展的大部分信息都包含在放射科医生的书面记录中，放射科医生会检查扫描结果并跟踪癌症状态的变化。由于它是原始文本（而不是下拉菜单中的选项或电子表格中的数据点），大多数分析方法无法提取相关信息。本研究创建的工具利用机器学习在语言方面的改进来识别电子健康记录中的这些细节。

机器学习系统能够像人类读者一样识别癌症结果，而且速度更快。人类读者每小时只能阅读三份患者记录。该工具可以在大约 10 分钟内分析一整群数千名癌症患者。

凯尔说，理论上，该工具可以用来扫描机构中每位患者的健康记录，并识别出有资格和需要临床试验的患者，并根据他们的疾病特征为他们匹配最佳的治疗方法。“可以大规模地找到患者，”凯尔说。

对于这个特定的工具，癌症患者的扫描结果最初是由人类放射科医生读取的。但人工智能和机器学习也可以读取图像，研究表明，它们可以像人类放射科医生一样有效地分析肿瘤扫描结果。在本月发表的另一项研究中，放射科医生和人工智能专家合作开发了一种算法，可以确定是否应该对甲状腺肿块进行活检——并发现机器学习工具的建议与使用美国放射学会 (ACR) 系统的专家放射科医生的活检建议类似。

评估甲状腺肿块可能非常耗时，放射科医生在使用 ACR 系统时会面临挑战。“我们想看看深度学习能否自动做出这些决定，”研究作者、杜克大学放射学和电气与计算机工程副教授 Maciej Mazurowski 说道。

Mazurowski 表示，在这些工具能够取代放射科医生之前，人工智能和扫描分析方面还有许多工作要做，但最近的研究表明，人工智能有可能达到放射科医生的水平。“即使我们能够证明这些工具的工作能力与人类一样好，最终的问题仍是它们是否会被纳入医疗保健系统，以及在多大程度上被采用。这不仅仅是它是否有效。”

凯尔表示，在医学和肿瘤学领域，视觉分析比文本分析更先进，但两者都可以成为机器学习融入常规护理实践的组成部分。例如，他表示，可以将扫描的机器解释融入到整体电子健康记录分析中。“这意味着要研究我们从图像本身中获得了多少信息，从人类解释中获得了多少信息，以及我们能从查看图像的模型中获得什么，”他说。“最佳策略仍未知。”

Kehl 表示，未来人工智能可能有助于识别和监测癌症进展。“我们要弄清楚如何将人工智能融入临床工作流程，包括影像、病理学和健康记录，”Kehl 说。