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
