有癌王之称的胰脏癌（Pancreatic adenocarcinoma, PAC），其预后在过去几十年中几乎没有改善，估计将于 2030 年成为死亡率第 2 高的癌症种类，仅次于肺癌。主要是胰脏癌的肿瘤异质性与可塑性高，使临床研究不断受阻。
法国巴黎公立医院集团（AP-HP Greater Paris University Hospital, APHP）与机器学习生技公司 OWKIN 于 ASCO 2021 发表了全球第 1 个可分析胰脏癌病理组织切片且进行基因亚型预测的 AI 工具，有望打破医学现况，将更多胰脏癌研究推往临床。
AI 带来的创新突破
当今，临床研究团队是靠 RNA 定序找出大多 PAC 基因亚型，但这种方式的执行成本与技术门槛颇高，品质也容易受检体的数量与品质影响。除此之外，检体也可能混杂多种亚型，使总转录本分析与临床应用困难重重。
为了解决医学挑战，OWKIN 与 APHP 合作，使用其庞大的健康数据（全法国最多），打造 AI 模型，在几分钟内远端定义亚型。
ASCO 大会的研究报告
为了训练出精准的 AI 模型，也产出与临床相关数据，研究团队首先从 350 个切除的胰脏癌检体中，制作出 728 个对应的数位病理组织切片，并作为 AI 分析的探查集（discovery set）。另外，他们也从癌症基因组图谱（The Cancer Genome Atlas, TCGA）计画中，取得 134 个胰脏癌检体作为验证集（validation set）。
AI 接下来将使用探查集的检体进行多步骤的深度学习训练，先让 AI 可辨识肿瘤细胞，再使用 PurIST 算法预测肿瘤与间质细胞亚型。
研究结果指出 2 大重点，一是用机器学习定义 PAC 亚型的功效，二是发现在高异质性检体中用分子定序亚型的技术限制。
研究团队表示，验证集模型（TCGA ）表现出高精准度（AUC 为 0.98），而在探查集中，检测基质、典型癌细胞模型的精准度为 AUC = 0.79，但若检体使用高显著的 RNA 定序分子亚型样本，则 AUC 提升至 0.86。而他们也发现，在多变量分析中，AI 模型分类出来的亚型，与患者的整体存活期（OS）相关，但经过 PurIST 算法的亚型的关联性更高，在验证集中 AUC 为 0.82。
延伸阅读：微软史上第二大收购案！医疗 AI 大厂 Nuance 为何令其疯狂？参考资料：
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. 基因线上版权所有 未经授权不得转载。合作请联系：service@geneonlineasia.com
