Wayne G. Brisbane博士讨论了用于前列腺癌的AI辅助HIFU技术

EDAP TMS SA和Avenda Health最近宣布推出人工智能（AI）辅助的Focal One机器人高强度聚焦超声（HIFU）。¹在这次采访中，Wayne G. Brisbane, MD,讨论了这两种技术的结合及其如何能够改善患者护理。布里斯班是加州大学洛杉矶分校泌尿学助理教授。

Unfold AI的个性化癌症三维地图如何提高Focal One机器人HIFU程序的准确性和精确性？

焦点治疗，特别是使用Focal One的情况，在长期提供焦点治疗方面表现良好。这是该设备的迭代版本，因此它非常擅长传递能量并杀死肿瘤。但焦点治疗的一个局限性——同时也是前列腺癌治疗中较为新型的一种方式——在于无法准确预测肿瘤的确切范围，这是一个多方面的难题。传统成像技术往往低估了癌症的范围。特别是MRI只能看到癌症的大致核心区域。我总是将其比作一只螃蟹；你能看见螃蟹的身体，但它的腿却向四周伸展。因此很难确切地知道肿瘤的实际范围。一旦知道了这一点，就可以着手治疗它。但这很棘手。这个AI地图正是为了解决这个问题而设计的。它可以输入MRI、PSA值、年龄以及非常重要的是Gleason评分和活检核心位置、癌症核心位置等信息，并整合所有这些信息生成一个三维地图，然后你可以将这个地图叠加到机器人HIFU设备上。之后机器会为你完成大部分工作。它在预测肿瘤范围方面做得很好，然后你按下“开始”，它就会杀死肿瘤。这大大减少了变数，所以我们希望这一技术能够提高焦点治疗所实现的持续抗癌控制的一致性。我们知道这种方法似乎对副作用有很好的效果，但我们还需要一些非常一致的抗癌控制结果，并且我们期望这种结合能够带来好的结果。

为了无缝地将Unfold AI与Focal One平台集成，必须克服哪些技术挑战？

机器人HIFU机器与Unfold AI地图的集成实际上是最简单的挑战。一旦你得到了这样的地图，基本上就会生成你的超声波三维体积，然后按下按钮导入这张地图。接着你会执行一个类似融合活检的融合算法。这对许多泌尿科医生来说是非常熟悉的过程。之后，三维地图就出现了，你可以选择是否遵循它。这部分实际上可能是最简单的事情之一。我认为最大的技术挑战是将Unfold AI引入机构并使其运行起来。这是一种全新的技术，每当你要在大型学术机构（或任何其他机构）引入一种全新技术时——这就会更加具有挑战性。但说实话，在EDAP管理机器人HIFU Focal One的团队和Avenda Health负责Unfold AI的团队都相当有帮助地使这些程序顺利运行起来。一旦我们让这两个程序正常运行，它们就无缝地很好地结合在一起了。

Unfold AI中的AI算法是如何确保在准确识别肿瘤边界的同时最小化损害健康组织的风险的？

该AI算法的设计目的是预测肿瘤的范围。这就是它的验证方式。它是在前列腺活检输入的基础上设计出来的，比如MRI前列腺活检位置、癌症核心位置等信息，这些就是用来训练AI的数据。实际上，它是基于多个机构中数千名患者和数万个独立的核心样本生成的算法，并且在手术病理学上进行了验证。这里的病人实际上是切除了他们的前列腺，他们没有接受局部治疗，因此我们有真实的情况作为参考。我们将那些被切除的前列腺切片并检查Unfold AI地图与预测结果之间的对比，这就是我们的验证方法。实际上它的效果相当不错。这些内容已经被记录在几篇出版物中，其中一篇是由Priester等人发表的。欧洲泌尿学开放科学.²另一篇发表于《泌尿外科学杂志》;³这是一项读者研究。然后另一篇论文刚刚发表在了BJUI指南针那是为了观察前列腺外扩展情况。⁴因此，在外科队列中已经进行了多次验证，这些验证分别在UCLA和斯坦福大学进行，由Geoffrey Sonn指导。据我所知，NYU也在进行一些验证工作。外科队列的验证非常全面，我认为这是一个非常好的验证队列。展望未来，我们能够以相当的信心决定AI将封装肿瘤边缘。我们也已经证明它能预测超出包膜延伸的情况，这些患者可能不适合接受局部治疗。我还有一些刚刚发回给审稿人的研究工作，希望很快就能发表出来，这项研究表明肿瘤体积的大小也是预测局部治疗效果的一个指标，并不出人意料的是，较小的肿瘤似乎更适合进行局部治疗。我认为这一点并不令人惊讶，但我们已经量化了哪些体积适合局部治疗以及哪些不适合，并且我们希望能将其作为一种决策算法，这样患者在接受治疗前就可以了解这些信息，因为大多数男性都对局部治疗感兴趣。减少对健康组织的损伤通常意味着副作用更少，而男性对此非常关注。但并非所有男人都适合这种治疗方法，我们必须确保接受治疗的人得到良好的治疗效果。因此，肿瘤学控制仍然是首要考虑的问题。希望我们能够利用这些AI算法来确定哪些人是合适的候选人。对于那些符合条件的患者，在人工智能指导下进行局部治疗；而对于不符合条件的患者，则可以利用超出包膜延伸的特征来指导手术并保留神经功能。此外，还有一些合作伙伴正在研究如何通过放疗增强来引导放射治疗，这样既可以治疗整个前列腺，又可以在有癌症的地方使用辐射加强治疗。我认为希望是这些方法能够准确预测肿瘤体积，并因此选择适当的患者接受适当的治疗，并在这些治疗方法中提供更好的指导。

根据这些初步数据，使用AI辅助的Focal One程序预期会在患者结局和生活质量方面有哪些改进？

我认为[聚焦治疗]是一项很好的降低治疗强度的努力。最初的方法是积极监测并提出疑问：“我们需要对所有人进行治疗吗？”经过一段时间的积极监测，我们已经取得了非常好的结果。但是有一些患者处于积极监测和手术/放疗之间的过渡阶段，对于这些患者来说，聚焦治疗可能是一个合适的选择。首先需要准确地确定哪些患者适合这种治疗。聚焦治疗主要关注传统的风险分层指标：PSA、分级组、局部分期等。然而，聚焦治疗比这更为复杂，因为这些风险标准是应用于整个前列腺的。而聚焦治疗仅针对前列腺的一部分进行消融，因此在决策和操作上实际上更加技术性复杂，因为它需要准确地知道肿瘤的位置。如果没有正确的指导，很容易失败。这将有助于选择合适的患者，并指导他们的治疗，使我们更有信心确保做得更好。

如何用Unfold AI提供的个性化治疗计划与传统的前列腺癌治疗方法相比？

传统上，我们通过手术或放疗对整个前列腺进行治疗。这种方法有一些好处。前列腺癌往往是多灶性的，因此可能会在多个地方出现肿瘤，并且它通常也有遗传前兆。Erickson有一篇很好的论文在自然2022年表明，即使正常组织也有癌症发展的遗传前体。⁵

当我在我诊所解释这个概念时，我会用发霉的面包片来比喻。比如说你有一片面包，你在角落里剪掉了一块发霉的部分，然后你觉得没有胃口了，就把剩下的面包放回袋子里。过了一会儿再拿出来的时候，你不惊讶地发现又有了一些小的发霉点。这些起初很小的霉斑可能会再次出现。我们认为前列腺癌的生物学行为可能就像这样。

长期以来，手术和放射治疗都移除了我们已知的原发肿瘤以及潜在的其他肿瘤。然而——这是一个非常重要的保留意见——我们传统上对前列腺癌过度治疗了。这并不是一个难以做出的声明。我们有多项长期高质量的临床试验反复表明了对前列腺癌的过度治疗。这就是推动积极监测的原因之一。我们认为尝试降低治疗强度，即仅针对有病灶区域进行治疗，至少是非常有趣的，并且值得进一步的临床试验研究。这是局部治疗理念背后的出发点，我认为这绝对值得一探究竟。局部治疗是在赌你能够有效地勾勒出肿瘤。前列腺癌不会呈线性扩张，也就是说它们不像小玻璃球那样生长，而是向各个方向生长。这些肿瘤非常难以可视化。同时你也需要考虑紧邻这些区域甚至更远的那些有癌症倾向的部位。这意呀着进行局部治疗是非常复杂的场景，并且很容易失败。然后我们还必须决定什么是失败？癌症复发算不算失败？补救性治疗算不算失败？在局部治疗领域仍有许多问题亟待回答，但我们确实认为准确指定肿瘤体积是一个重要的进步，因为在这一点上之前我们并没有做到。

你还有什么想要补充的吗？

我认为这两种技术之间有着非常良好的协同效应。我很高兴看到这两家公司能够合作。这是一件显而易懂的事情；每个人都热衷于提供更好的医疗服务，因此这些公司为了追求卓越和改善患者护理以及资助临床试验而受到赞扬。他们投入资金开发技术并确保其有效，以便患者可以获得一致且经过验证的结果。我为能成为其中微小的一部分感到非常自豪。

参考文献

1. EDAP和Avenda Health推出世界上首个AI辅助的Focal One®机器人HIFU程序。新闻稿。EDAP TMS SA。2024年9月19日。访问于2024年10月3日。https://investor.edap-tms.com/news-releases/news-release-details/edap和Avenda Health推出世界上首个AI辅助的焦点治疗解决方案

2. Priest A, Fan RE, Shubert J, �etc. 使用人工智能预测和绘制前列腺内肿瘤范围。欧洲泌尿外科开放科学杂志. 2023;54:20-27. doi:10.1016/j.euros.2023.05.018

3.Mota SM, Priester A, Shubert J, �etc. 人工智能提高了医生识别前列腺癌范围的能力。J Urol. 2024;212(1):52-62. doi:10.1097/JU.0000000000003960

4. Priester A, Mota SM, Grunden KP, 等。使用人工智能前列腺癌映射算法评估囊外扩展风险。BJUI指南针。发表于2024年8月26日。访问于2024年10月3日。https://bjui-journals.onlinelibrary.wiley.com/doi/10.1002/bco2.421

5.Erickson A, 何梅, Berglund E, 等. 良性和恶性组织中空间分辨的克隆拷贝数改变。自然。2022;608(7922):360-367. doi:10.1038/s41586-022-05023-2