以色列理工学院研究人员参与的国际研究验证了使用常规病理样本预测基因组测试效果的快速、便捷替代方案。
乳腺癌是全球最常见的癌症，99%的患者为女性，1%为男性。每年全球有230万人被确诊为乳腺癌，其中包括以色列约5000人和美国30万人。
在占病例总数约70%的激素受体阳性、HER2阴性早期乳腺癌患者中，主要挑战是识别哪些患者能从手术或放疗后给予的辅助化疗中获益，这些化疗旨在消除残留的微小癌细胞并降低复发风险。
决定是否在手术后给予化疗是早期乳腺癌治疗中最棘手的问题之一。虽然化疗可以降低肿瘤复发风险，但大多数患者并不能从中获益，并可能经历显著的短期和长期有害副作用。
一个主要挑战是在诊断时确定哪些患者可能获益，哪些不会。那些不会获益的患者会接受激素治疗。
以色列海法的以色列理工学院（Technion-Israel Institute of Technology）研究人员，与波士顿达纳-法伯癌症研究所（Dana Farber Cancer Institute）、纽约西奈山医学中心（Mount Sinai Medical Center）、芝加哥大学医学中心（University of Chicago Medical Center）和葡萄牙波尔图大学分子病理学和免疫学研究所（Institute of Molecular Pathology and Immunology of the University of Porto）的顶尖医学中心的肿瘤学家和病理学家合作，开发了一种人工智能模型，可以预测乳腺癌复发风险和患者从化疗中获益的可能性。
该AI模型——首个在大型随机临床试验中得到验证的同类模型——分析诊断时获取的常规病理切片，提供了一种快速、广泛可获取的替代昂贵基因组测试的方法。
该研究刚刚发表在《柳叶刀·肿瘤学》（The Lancet Oncology）上，标题为"深度学习分析组织病理学图像预测乳腺癌复发风险和化疗效益：一项多中心模型开发和验证研究"。
"这些是人眼无法一致量化评估的复杂生物信号，"主导该研究的以色列理工学院几何图像处理实验室（Geometric Image Processing Laboratory，由Ron Kimmel教授领导）的Gil Shamai博士表示，"该模型整合了许多细微线索，生成一个反映复发风险和预期化疗获益的评分。"
Shamai在以色列理工学院电气工程系获得博士学位，目前是Kimmel在塔乌布计算机科学学院（Taub Faculty of Computer Science）实验室的研究助理。他展示了癌症在病理图像上留下独特的印记，可通过AI检测到，并提供了肿瘤细胞的分子特征。
这项研究于去年12月在柏林举行的第50届欧洲医学肿瘤学会（ESMO）会议上向热情的听众展示，该会议聚焦精准医学、抗体-药物偶联物和癌症幸存者研究。Shamai还将在6月芝加哥举行的美国临床肿瘤学会（ASCO）会议上展示一项更新的研究，预计将有5万名专家参加。
如今，Oncotype DX等基因组测试（该测试分析乳腺癌肿瘤中21个基因的活性以评估复发风险和预测化疗效益）通常用于指导化疗决策，但这些测试价格昂贵，可能需要数周时间才能获得结果，并且许多全球患者无法获得。其预测准确性也有限，导致既可能进行不必要的化疗，也可能错失其他治疗机会。
该以色列理工学院主导的AI模型旨在通过利用标准病理样本中已有的信息来解决这些限制。
计算机学习如何帮助病理学家获取乳腺癌新信息
十年前，当Shamai准备撰写博士论文时，他联系了当时在拉姆巴姆医疗中心（Rambam Healthcare Campus）工作的医生Yoav Benenbaum，向他提出研究主题建议。"他非常聪明，充满创意，"Shamai在接受《耶路撒冷邮报》（The Jerusalem Post）采访时说，"他建议对乳腺癌活检进行扫描并结合计算机学习，以获取病理学家无法获得的信息。"
Shamai回忆说，他原本认为这将是一个与学生一起完成的小项目，但结果却更大，成为一项无人实现过的创新。"十年前，Yoav的目标是从病理图像预测受体状态。他建议在拉姆巴姆扫描图像，但这种方法并不实用。我们在网上找到了组织部分的图像，并使用脚本构建了5000名患者的数据库。这就是我们如何证明分子特征可以从病理图像中预测。"
"大约三年前，我们获得了罕见的访问权限，可以使用一项最大的随机乳腺癌研究中的组织样本和临床数据，该研究包括10,273名患者及其组织图像、临床数据和随访信息。这项研究旨在预测化疗的效益，"他继续说道。
该AI系统分析作为常规病理检查一部分染色和检查的肿瘤组织高分辨率数字图像，并评估肿瘤及其微环境的多个区域。因此，它识别与癌症行为相关的视觉模式，包括细胞分裂、组织结构、免疫反应以及与治疗敏感性或耐药性相关的特征。
Kimmel解释说："我们不是测试基因，而是直接观察组织。就像通过看眼睛而不是分析DNA就能确定眼睛颜色一样，我们的系统从病理图像中提取视觉特征，以确定最佳治疗方案。该模型在几分钟内生成一个数值评分，支持肿瘤科医生和患者共同决策。"
以色列理工学院生物学院（Faculty of Biology）的该研究共同负责人Dvir Aran教授表示："这是首个直接从病理样本预测乳腺癌治疗效益的AI模型。"该模型已在以色列（卡梅尔、Ha'emek和Sheba医疗中心）、美国和澳大利亚的数千名患者身上得到进一步验证——在不同人群、设备和医疗系统中表现出一致的性能。
与基因组测试不同，基于AI的评估不需要额外的组织、实验室处理或等待期。任何配备数字扫描仪和互联网接入的病理实验室都可以在几分钟内完成该评估。
该模型的潜在影响不仅适用于发达国家，也适用于基因组测试仅覆盖不到5%患者的中低收入国家。"我们希望它不仅在以色列被采用，也在发展中国家被采用，在这些国家，医生几乎对所有乳腺癌患者都给予化疗。它将改变他们的治疗方式并降低成本，"Shamai补充道。"印度的大型医院已邀请我前往并建立为期一年的临床试验，菲律宾和巴西的其他医院也已与我们联系。"
"未来的工作将侧重于前瞻性验证——在商业生产或实施开始之前，建立证明其按预期运行的文件证据，以进一步确立这种方法作为乳腺癌治疗决策的可访问、高效且全球可扩展的工具，"他们指出。
研究人员还在努力进一步改进该模型，并将其扩展到其他在不确定性下做出积极治疗决策的癌症类型。
基于这些结果和多年来积累的突破性研究知识，该团队计划在以色列理工学院校园内成立一家初创公司，开发测试方法，使其比目前全球使用的测试方法显著更加便捷、准确和快速。
【全文结束】
