2024-09-16 10:00:29 英文原文
食道每天大约 600 次将您嘴里的任何东西输送到胃中。它通常是一种单向路线，但有时酸会逸出胃并返回。这可能会损害食道内壁的细胞，促使它们因遗传错误而重新生长。
在美国，这些错误每年约有 22,370 次最终导致癌症。
食道癌如果在它深入或扩散到其他器官之前发现并治疗，就可以治愈。但这种情况很少发生。
这种情况通常是患者多年来一直有反流症状，他们服用了Tums或其他东西，然后突然吞咽困难，所以他们来到医院。亚利桑那州梅奥诊所的胃肠病学家兼医学副教授阿隆·卡恩博士说：“急诊室。”就在那时，医生发现肿瘤已经长入食道壁，甚至可能超出食道壁。
卡恩说，此时，它是无法治愈的。
这就是为什么只有大约 20患有食道癌的美国人在诊断五年后仍然活着。医生表示，为了改善这一数字，他们不一定需要更好的药物。他们需要的是在癌症仍处于早期、高度可治疗的阶段时找到更好的方法。
要做到这一点，他们需要在疾病筛查方面取得突破。
耶鲁大学胸外科主任 Daniel Boffa 博士说，筛查的概念是在危险的事情发生之前发现它们。
美国预防服务工作组的新建议称，应该开始乳腺癌筛查40 岁开始，每隔一年持续到 74 岁。
它适用于乳腺癌、肺癌和结肠癌等疾病。在这些情况下，有一个明显的进展步骤会导致癌症，并且只会导致癌症。
但食道癌的情况似乎并非如此。
我们真的不知道是谁造成的。进行筛查、筛查的频率以及我们可以看到的东西会告诉我们，这个人将患上危险的癌症，”博法说。
他将这种情况比作预测龙卷风。
大多数龙卷风发生在条件有利于龙卷风的时候，他说。但大多数时候，条件有利于龙卷风发生，但实际上并没有发生龙卷风。很多时候，龙卷风发生在这些条件之外。
另一个复杂的因素是食道癌病例很少见，约占美国诊断出的所有癌症的 1%
<乔尔·鲁宾斯坦 (Joel Rubenstein) 博士说，想象一下比赛日 10 万名大学橄榄球迷挤进安娜堡密歇根体育场的情景吧。他是 3 英里外的查尔斯·S·凯特尔斯中校退伍军人医疗中心的研究科学家，也是密歇根大学。然后想象一下自己必须弄清楚今年其中哪四名粉丝会患上食道癌。许多医生和消费者权益倡导者表示人工智能无法辜负其宣传的效果。
对某人进行筛查食管癌的检查并不是一个简单的手术。
标准方法是将内窥镜插入患者的喉咙，一根一端带有摄像头的柔性管，然后将其穿过胃。该摄像头可以让医生近距离检查食道，并检查是否有可能癌变的异常细胞。
该管子还可以用作收集组织样本的工具的管道，这些样本可以发送到病理实验室用于诊断分析。如果医生看到看起来像早期癌症的生长物，就可以当场将其切除。
这听起来很简单，但患者必须在手术过程中服用镇静剂，这意味着他们会失去一天的工作。内窥镜检查也很昂贵，而且缺乏能够进行内窥镜检查的医生。
通过内窥镜检查只能发现 7% 的癌症，卡恩说。我们必须找到一种方法来增加这个数字。
在美国，最常见的癌症始于食道底部。那里的细胞无法承受胃酸的影响，因此在患有慢性胃酸反流的人中，它们有时会通过变得更像肠道组织来适应。这种情况被称为巴雷特食管，大约 5% 的美国成年人患有这种疾病。
如果这就是全部，我们会说，那就太好了，卡恩说。但不幸的是，当细胞类型发生变化时，就会发生基因变化，使患者容易患癌症。
政策制定者开始困惑如何监管医疗保健领域的人工智能，并可能把事情搞砸，科罗拉多大学医学院胃肠病学家兼教授 Sachin Wani 博士表示，每年约有 0.3% 的巴雷特食管患者会患上食管癌。与没有 Barretts 的人相比，他们死于食道癌的可能性大约高出九倍。
这意味着筛查 Barretts 就相当于筛查食道癌。
医生们基本同意针对一组核心风险因素，包括慢性胃食管反流病、吸烟和腹部超重。其他风险因素包括年龄至少 50 岁、男性、白人以及有 Barretts 癌或食道癌家族史。
对于一个人必须具备多少风险因素才能证明筛查的合理性，目前尚未达成共识。
根据美国胃肠病学会的建议，超过 3100 万人有资格接受筛查。宾夕法尼亚大学佩雷尔曼学院胃肠病学家兼名誉医学教授加里·福尔克 (Gary Falk) 博士说，美国胃肠内窥镜学会的指南将这一数字提高到 5200 万，美国胃肠病学协会的建议将这一数字扩大到 1.2 亿。医学。
所有这些建议都留下了改进的空间。亚利桑那州梅奥诊所胃肠病学主席 Prasad Iyer 博士表示，符合筛查要求的人中，只有 50% 到 60% 的人实际上患有 Barretts。
他说，筛查标准不够准确
事实上，至少 90% 有巴雷特氏症风险因素的人实际上并没有患有这种疾病，Iyer 说。其中包括绝大多数患有胃酸反流的人。
因此，医生们正在利用人工智能来识别其他特征，从而提高他们识别最有可能患有巴雷特癌和食道癌的人的能力。
法尔克说，医学界的每个人都在关注人工智能。我们认为它将彻底改变事物。
未来不是把钥匙交给计算机，而是利用它们能做而我们做不到的事情，并为这些努力提供足够的资金。
艾耶和他的同事正在开发一种人工智能工具，可以搜索梅奥诊所患者的电子病历，以找到那些应该接受巴雷特病筛查的人。该工具考虑了 7,500 多个不同的数据点，包括过去的医疗程序、实验室测试结果、处方等。（令人惊讶的是：患者的甘油三酯和电解质具有预测价值。）
这可能是人类无法有效完成的事情，Iyer 说。
在测试中，两种工具的总体准确率为 84%。Iyer 说，虽然这些都是实质性的改进，但该团队希望在将其推广到临床之前将其提高到 90%。
Rubenstein 和他在密歇根州的同事使用机器学习技术创建了类似的东西分析全国退伍军人事务部患者的健康记录。他们的工具也比医学会的官方指南表现更好，准确率为 77%。现在，该团队正在努力通过增加成本效益来提高筛查门槛。
一旦使用，此类工具可以减轻负担过重的初级保健医生的负担，因为他们不一定是最新的Iyer 说，它会标记一名患者并说：“该患者应该接受筛查，或者，该患者不应接受筛查”。这就是未来真正需要的。