多年来，癌症研究人员注意到，更多男性比女性患上一种致命的脑癌——胶质母细胞瘤。他们还发现，这些肿瘤在男性中往往更具侵袭性。然而，确定可能帮助医生预测哪些肿瘤更可能快速生长的特征一直是个难题。威斯康星大学麦迪逊分校的研究人员正在转向人工智能，以揭示这些风险因素及其在性别之间的差异。
放射学和生物医学工程教授帕拉维·蒂瓦里（Pallavi Tiwari）及其同事已在《科学进展》（Science Advances）杂志上发表了他们的初步发现，展示了AI在改善癌症患者医疗护理方面的潜力。
“在癌症患者的治疗过程中收集了大量的数据，”蒂瓦里说，她还隶属于医学物理系。“不幸的是，目前这些数据通常是以孤立的方式进行研究，而AI在这方面具有巨大的潜力。”
很少有研究人员能像蒂瓦里那样深刻理解这一潜力。2022年来到威斯康星大学麦迪逊分校，帮助领导该校新的医学影像AI计划，蒂瓦里共同领导卡本癌症中心的成像和放射科学项目。她的研究利用AI模型的计算能力，分析大量医学图像，寻找可以帮助肿瘤学家及其患者做出更好决策的模式。
“我们希望解决癌症患者治疗过程中的整个谱系挑战，从诊断和预后到治疗反应评估，”蒂瓦里说。
在这个案例中，蒂瓦里和前研究生鲁奇卡·维尔马（Ruchika Verma）转向病理切片的数字图像，寻找可能预测肿瘤生长速度以及患者预期生存时间的模式。胶质母细胞瘤是最具侵袭性的癌症之一，诊断后的中位生存期仅为15个月。
“患者在诊断后往往寿命不长，但一个巨大的挑战是预后——确定患者实际上能活多久，以及他们的结果可能是怎样的。这很重要，因为最终的结果决定了他们接受的治疗和诊断后的生活质量，”蒂瓦里说。
为了应对这一挑战，蒂瓦里和维尔马建立了一个AI模型，可以识别病理切片中甚至细微的模式，这些模式可能肉眼无法察觉。利用250多项胶质母细胞瘤患者研究的数据，他们训练该模型识别肿瘤的独特特征，如某些细胞类型的丰度以及它们侵入周围健康组织的程度。
此外，他们训练模型识别这些特征与患者生存时间之间的任何模式，同时考虑性别因素。通过这样做，他们开发了一个能够识别与每个性别强烈相关的更具侵袭性肿瘤的风险因素的AI模型。对于女性，高风险特征包括肿瘤侵入健康组织。对于男性，围绕死亡组织的某些细胞（称为假栅栏细胞）的存在与更具侵袭性的肿瘤相关。
该模型还识别了对男女都可能导致不良预后的肿瘤特征。
这项研究可能会帮助胶质母细胞瘤患者实现更加个性化的护理。“通过揭示这些独特的模式，我们希望激发个性化治疗的新途径，并鼓励继续探究这些肿瘤中观察到的潜在生物学差异，”维尔马说。
蒂瓦里及其同事还在使用MRI数据进行类似的工作，并开始利用AI分析胰腺癌和乳腺癌，以改善患者的治疗结果。
除了她的研究，蒂瓦里还帮助塑造了学校的RISE-AI和RISE-THRIVE倡议，这些倡议分别使威斯康星大学麦迪逊分校成为跨学科人工智能研究和人类健康跨度研究的领导者。
“威斯康星大学在工程和医学园区拥有丰富多样的专业知识，通过RISE倡议，我们处于将AI研究转化为临床护理的前沿，”蒂瓦里说。
(全文结束)
