多年来，癌症研究人员注意到，患致命脑癌胶质母细胞瘤的男性多于女性，且男性患者的肿瘤往往更具侵袭性。但要确定可能有助于医生预测哪些肿瘤可能生长更快的特征一直难以捉摸。威斯康星大学麦迪逊分校的研究人员正在借助人工智能来揭示这些风险因素以及它们在性别之间的差异。
放射学和生物医学工程教授 Pallavi Tiwari 及其同事在《科学进展》杂志上发表了他们的初步研究结果，暗示了人工智能在改善癌症患者医疗护理方面的前景。
Tiwari 说：“在癌症患者的治疗过程中会收集大量数据。不幸的是，目前这些数据通常是孤立研究的，而这正是人工智能具有巨大潜力的地方。”
Tiwari 于 2022 年来到威斯康星大学麦迪逊分校，帮助领导该校在医学成像方面的新人工智能计划，并共同指导卡本癌症中心的成像和辐射科学项目。她的研究利用人工智能模型的计算能力来探测大量医学图像，并寻找能够帮助肿瘤学家及其患者做出更明智决定的模式。
Tiwari 说：“我们希望解决癌症患者治疗过程中的整个挑战范围，从诊断、预后到治疗反应评估。”
在这个案例中，Tiwari 和前研究生 Ruchika Verma 转向病理切片的数字图像——肿瘤样本的薄片——寻找可能预测肿瘤生长速度以及患者预期存活时间的模式。
胶质母细胞瘤是最具侵袭性的癌症之一，确诊后的中位生存期为 15 个月。
Tiwari 说：“患者确诊后通常寿命不长。但一个重大挑战是预后——确定患者实际能活多久以及可能的结果。这很重要，因为结果最终决定了他们接受的治疗以及确诊后的生活质量。”
为了应对这一挑战，Tiwari 和 Verma 构建了一个人工智能模型，该模型能够识别病理切片中甚至肉眼无法察觉的细微模式。他们使用来自 250 多项胶质母细胞瘤患者研究的数据来训练模型，以识别肿瘤的独特特征，例如某些细胞类型的丰富程度以及它们侵入周围健康组织的程度。
此外，他们训练模型在考虑患者性别的同时，识别这些特征与患者生存时间之间的任何模式。
通过这样做，他们开发了一个人工智能模型，能够识别与每个性别密切相关的更具侵袭性肿瘤的风险因素。对于女性，高风险特征包括侵入健康组织的肿瘤。在男性中，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有关。
该模型还确定了似乎对男性和女性都预示着更差预后的肿瘤特征。
这项研究可能有助于为胶质母细胞瘤患者提供更个性化的护理。
Verma 说：“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潜在的生物学差异。”
Tiwari 及其同事正在使用 MRI 数据进行类似的工作，并已开始使用人工智能分析胰腺癌和乳腺癌，旨在改善患者的治疗效果。
除了她的研究，Tiwari 还帮助塑造了该校的 RISE-AI 和 RISE-THRIVE 计划，这两个计划分别使威斯康星大学麦迪逊分校成为人工智能和人类健康跨度跨学科研究的领导者。
Tiwari 说：“威斯康星大学在我们的工程和医学校区拥有丰富多样的专业知识，通过 RISE 计划，我们处于将人工智能研究转化为临床护理前沿的有利位置。”
