精确预测放疗后副作用,人工智能有望提供更安全的个性化治疗

在第61届美国放射肿瘤学学会(ASTRO)年会上,研究人员发表了一项关于使用人工智能系统来精确预测头颈癌放疗相关的副作用的研究。这种精确的计算机模型有可能防止癌症治疗后的体重过度下降,并减少对饲管(通过管子进食)的需求。

作者: 本站编辑 来源: 药明康德AI 2019-10-16 09:43:08

“在过去,很难预测哪些患者会出现这些副作用,”该研究的第一作者Jay·Reddy博士解释道,他是德克萨斯大学安德森癌症中心(University of Texas MD Anderson Cancer Center)的放射肿瘤学助理教授。“现在我们有了一个可靠的机器学习模型,利用大量的内部机构数据,让我们能够做到这一点。”

关于头颈癌

全球每年约有645,000例新发生的头颈部癌病例。在美国,每年大约有53,000名患者被诊断为头颈癌。男性患上该疾病的几率是女性的2倍多,他们确诊时的平均年龄为62岁。在早期治疗期时,头颈癌通常采用手术或放射治疗。放疗和化疗的结合通常用于晚期疾病患者。

虽然辐射能有效抑制新癌细胞的生长,但它也会损害口腔组织,改变口腔的细菌组成,导致喉咙痛、味觉丧失和其他不良反应。如果疼痛严重到病人无法进食,就会导致体重下降,需要插入饲管。

Reddy博士表示,能够确定哪些病人面临最大的风险,将使放射肿瘤学家能够采取措施预防或减轻这些可能的副作用。如果患者有中度副作用的风险,他们可能不需要在插入饲管的情况下完成治疗,对其采取预防措施,比如让他们与营养学家联系,并为他们提供营养补充。如果提前知道患者放置饲管的风险超过50%,那么医生便可以及早进行治疗,这样患者就不必在治疗后住院,也方便医生知道,需要密切注意哪个病人。

一种机器学习解决方案

Reddy博士和同事们创建了机器学习模型来分析电子健康记录(Epic),这是一种基于web的内部图表工具(Brocade)可以记录/验证系统(Mosaiq)的数据。这些数据包含了700多个头颈癌患者的临床和治疗变量。患者的平均年龄为62岁,其中75%为男性。从2016年到2018年,每位受试者在MD安德森五个不同地点接受了超过2000次放射治疗。

人工智能模型用于预测这些患者的三个要点是:显著的体重减轻、饲管放置和意外住院。利用225个连续的放射治疗的数据来验证最精确模型的结果,性能率达到曲线下面积(AUC)阈值达0.70(精度70%),这也就表明了该机器学习模型在临床是可被接受的。

研究人员发现,他们的机器学习模型预测体重显著减轻的可能性和放置饲管需要的AUC分别为0.751和0.755,这些数据表明准确性较高。

“在这项研究中使用的模型在预测这两种结果方面一直很好,”Reddy博士说。“你可以对新患者或一系列患者重新运行这些模型,得到一个数字,表明这种不利影响可能会发生,也可能不会发生。”

他解释说,使用这个模型,医生可以输入患者特定的数据,如年龄、性别和癌症类型,并查看他们需要喂食管或经历严重的体重减轻的潜在风险。

尽管取得了这样的成功,人工智能却仍无法准确预测因意外住院人数,其AUC仅为0.64。Reddy博士和他的同事认为,克服这一点,需要用更多的数据重新分析可以提高模型预测结果的能力。

目前在预测因意外入院这一点表现不如意,也可能只是研究团队没有为这个模型积累足够的数据信息。不过随着该团队治疗的病人越来越多,样本量也越来越大,相信每一个数据点都会变得更好。

虽然这个人工智能系统不能识别单一的预测因子以及产生这些负面结果的因素的组合,但它可以为患者和医生提供更好的预期。Reddy博士补充说,机器学习模型也有潜力预测哪种治疗方案最适合每个病人。

“通过降低出错的风险,机器学习可以让医生更有效率,让治疗更安全,”Reddy博士说。“它有可能影响当今放射肿瘤学的所有方面,即任何计算机可以查看数据并识别模式的领域。”


本文转载自其他网站,不代表大健康派观点和立场。如有内容和图片的著作权异议,请及时联系我们(邮箱:scarlet.s@djkpai.com)

人工智能 精准放疗 个性化治疗

关注大健康Pai 官方微信:djkpai我们将定期推送医健科技产业最新资讯