作者:Julie M. Vose, MD, MBA
肿瘤学肿瘤学第39卷,第5期
页面:174
随着AI通过增强诊断,治疗和临床试验匹配来彻底改变癌症护理,可能会改善患者的结果和简化的工作流程。
人工智能(AI)被纳入我们日常生活的许多方面。这还包括许多癌症临床护理和研究领域。例如,AI应用以迅速的速度纳入癌症研究,癌症检测,诊断和治疗。积极使用AI的一个例子是增强乳房X线照片。大型AI乳腺摄影研究的一个例子包括瑞典的MASAI临床试验。1这项研究报告说,AI辅助工作流程导致放射科医生工作量减少了44%,具有可比的临床性能指标。1另一个例子是使用AI风险预测模型选择女性额外MRI使用的ScreentrustMRI临床试验(NCT04832594),结果很快就可提供。AI的另一种用途是在组织病理学成像评估中。该模型被称为首席,对1500万个未标记的图像进行了训练,以查看图像的特定部分和整个扫描图像。2在测试数据集中,主要测试在多种癌症亚型中达到了96%的精度。需要肿瘤分子分析和DNA测序来指导最佳疗法,但通常需要数周。因此,预测肿瘤分子谱以及肿瘤微环境将非常有帮助,并且是使用AI的主动癌症研究的另一个领域。
当然,只有在这有助于临床医生优化治疗的情况下,更准确的癌症诊断才有帮助。还开发了AI算法以直接改善癌症治疗。这考虑了肿瘤特征,患者特征和治疗方法。AI使用的另一个区域是对患者进行自动预筛选和匹配,以治疗适当的临床试验。适当部署的AI可以增加对符合条件的受试者的识别,并将其与适当的临床试验相匹配,以治疗其癌症类型。医师和其他劳动力工作流也是AI改进应用程序的目标。几家公司已经开发了AI辅助抄写技术,以根据临床遭遇中的转录来生成文档。3另一个方面也可能是将不同系统的不同病历统一为患者临床病例的简洁临床摘要。这将使医疗团队能够专注于治疗,而不是收集通常很难从多个病历系统中从不同的病历中找到的数据,这些系统之间不相互交流。4
尽管在癌症诊断,研究和治疗中使用了AI的所有兴奋,但仍有许多障碍要克服。一个重大挑战包括数据共享和隐私。为了克服数据共享和隐私问题中的这些挑战,评估的选项包括与多方法律协议和安全协议的集中学习。此方法允许将数据传输到具有安全协议的集中位置。其他选项是通过财团模型的Deidinification和公开发布数据。第三种选择是联合学习,在每个站点上数据保持私密,但是机器学习模型是共同更新和共享的。
关于AI在诊断,治疗和临床试验匹配中的所有应用程序,以改善恶性肿瘤患者的结果,这引起了很多兴奋。我们只开始刮擦可能的表面。