Nature子刊：人工智能，追踪难辨的转移性癌症的原发灶显神通！

关键词：征战癌症；天津市恶性肿瘤临床医学研究中心；Nature Medicine 

转移性癌症的治疗以知晓癌症起源为前提。然而，多达 5% 的肿瘤病例无法确定其原发部位；这些原发灶不明的癌症预后往往较差。

常用的诊断方法之一，是检测体液中发现的肿瘤细胞。临床医师会通过细胞图像判断其类型。例如，移转至肺部的乳腺癌细胞仍保留乳腺癌细胞的特征。

天津医科大学附属医院每年新收治的癌症患者中，约 4,000 例通过此类图像诊断，其中 300 例左右仍无法确诊。该校结直肠癌外科医师和生物信息学研究员等医学科学家期望开发一款深度学习算法，通过分析这些图像来预测癌症可能出现的原发灶。他们的研究结果发表在 2024 年 4 月 16 日的 Nature Medicine 期刊上【1】。

核心结果显示

• 天津医科大学团队研发的人工智能（AI）工具，在识别身体循环系统内的转移性癌细胞来源上，表现优于病理科医生。

• 该模型的成功验证提示，AI 工具有潜力协助诊断并改善晚期癌症的治疗，从而可能延长患者生命。

• 该模型可根据转移动态癌细胞的图像，对其原发肿瘤做出预测。

（点击👆，一起征战癌症）

模型训练

该团队用约 3 万张细胞图像来训练 AI 模型，这些图像是从 21,000 名原发癌灶已知的患者的腹部或肺部液体中提取的。随后，他们又用 27,000 张图像对模型进行测试，结果显示模型对肿瘤来源做出准确预测的几率为 83%，将其列入前三候选的几率为 99%。

研究人员表示，将候选对象缩窄至前三对临床有极大帮助，能减少确诊肿瘤来源所需的额外检查（这些检查通常侵入性较强）。目前，模型仅限于 12 种常见癌症类型的预测，包括肺癌、卵巢癌、乳腺癌、胃癌等。其他类型癌症，如前列腺癌和肾癌等，因其一般不会扩散到腹部和肺部的体液中，暂不在模型预测范围内。

在对 500 张图像的测试中，该模型在预测肿瘤来源方面比病理科医生更为准确，这一改进在统计学上具有显著意义。

回顾性分析提示获益

研究人员也对 391 位参与者在癌症治疗四年后进行了回顾性评估。他们发现模型预测结果与实际治疗一致的参与者，存活几率和生存时间均高于预测不符的参与者。研究人员认为，这是支持将该 AI 模型用于临床的有力证据。

编者按：

这份天津医科大学团队的研究结果表明，AI 在诊断疑难转移性癌症方面具有临床潜力。如能广泛应用，该模型有望改善患者预后。

哈佛医学院的 Faisal Mahmood 博士曾将 AI 应用于组织样本的癌症起源预测。对于这项研究，他认为，该研究结合细胞、组织、基因组这三类数据来源，能进一步提高对原发灶不明的转移性癌症的诊断水平。

我们一直密切关注最新科技进步及其在临床科研中的应用，希望本文对您的突破性研究有所启发。