機器學習抵抗癌王!第 1 個能預測胰臟癌基因亞型的 AI 模型誕生

0

有癌王之稱的胰臟癌(Pancreatic adenocarcinoma, PAC),其預後在過去幾十年中幾乎沒有改善,估計將於 2030 年成為死亡率第 2 高的癌症種類,僅次於肺癌。主要是胰臟癌的腫瘤異質性與可塑性高,使臨床研究不斷受阻。

法國巴黎公立醫院集團(AP-HP Greater Paris University Hospital, APHP)與機器學習生技公司 OWKIN 於 ASCO 2021 發表了全球第 1 個可分析胰臟癌病理組織切片且進行基因亞型預測的 AI 工具,有望打破醫學現況,將更多胰臟癌研究推往臨床。

AI 帶來的創新突破

當今,臨床研究團隊是靠 RNA 定序找出大多 PAC 基因亞型,但這種方式的執行成本與技術門檻頗高,品質也容易受檢體的數量與品質影響。除此之外,檢體也可能混雜多種亞型,使總轉錄本分析與臨床應用困難重重。

為了解決醫學挑戰,OWKIN 與 APHP 合作,使用其龐大的健康數據(全法國最多),打造 AI 模型,在幾分鐘內遠端定義亞型。 

ASCO 大會的研究報告

為了訓練出精準的 AI 模型,也產出與臨床相關數據,研究團隊首先從 350 個切除的胰臟癌檢體中,製作出 728 個對應的數位病理組織切片,並作為 AI 分析的探查集(discovery set)。另外,他們也從癌症基因組圖譜(The Cancer Genome Atlas, TCGA)計畫中,取得 134 個胰臟癌檢體作為驗證集(validation set)。

AI 接下來將使用探查集的檢體進行多步驟的深度學習訓練,先讓 AI 可辨識腫瘤細胞,再使用 PurIST 演算法預測腫瘤與間質細胞亞型。

研究結果指出 2 大重點,一是用機器學習定義 PAC 亞型的功效,二是發現在高異質性檢體中用分子定序亞型的技術限制。

研究團隊表示,驗證集模型(TCGA )表現出高精準度(AUC 為 0.98),而在探查集中,檢測基質、典型癌細胞模型的精準度為 AUC = 0.79,但若檢體使用高顯著的 RNA 定序分子亞型樣本,則 AUC 提升至 0.86。而他們也發現,在多變量分析中,AI 模型分類出來的亞型,與患者的整體存活期(OS)相關,但經過 PurIST 演算法的亞型的關聯性更高,在驗證集中 AUC 為 0.82。

延伸閱讀:微軟史上第二大收購案!醫療 AI 大廠 Nuance 為何令其瘋狂?

參考資料:
1. https://owkin.com/wp-content/uploads/2021/06/ASCO-2021-Press-Release.pdf
2. https://meetinglibrary.asco.org/record/198951/abstract

©www.geneonline.news. All rights reserved. 基因線上版權所有 未經授權不得轉載。合作請聯繫:service@geneonlineasia.com