人工智能助力头颈部癌症研究，揭示肿瘤复杂性新视角

癌症研究领域正迎来一场新革命，人工智能（AI）技术正在帮助科学家从不同视角更全面地理解肿瘤，特别是在头颈癌领域取得了显著进展。这项工作由多位癌症专家与AI专家合作完成，旨在通过整合多种影像数据，提高对癌症风险和预后的评估精度。 研究人员利用了多种工具来研究肿瘤：组织学染色通过染料使不同类型的组织细胞在显微镜下滑片上可见；CT扫描可以准确定位肿瘤的大小、位置和扩散程度；表观遗传学分析则能追踪癌症的生长和基因调控。然而，这些工具各自只能提供部分信息，无法全面展示肿瘤的复杂性。Anant Madabhushi，埃默里大学同理心AI健康研究所的执行董事及温希普癌症研究所的研究员，认为“我们需要将不同尺度的数据融合起来，才能真正理解肿瘤的行为。”他领导了四个最近的研究项目，这些项目均聚焦于头颈癌，尤其是在口腔和咽部的肿瘤。 首个研究项目发表在《欧洲癌症杂志》上，利用一个名为VISTA的AI平台，将标准的显微镜下H&E染色滑片转换为虚拟免疫组化（IHC）滑片，从而发现了肿瘤相关巨噬细胞（TAMs）。TAMs在多种癌症中具有重要的预后价值，但仅凭H&E滑片难以识别。通过这种AI方法，研究人员能够发现这些隐蔽的巨噬细胞。 第二和第三个研究项目发表在《JAMA网络开放》和《EBioMedicine》杂志上，使用了一种称为Swin Transformer的机器学习程序来合并不同类别的数据。第二个项目结合了患者在治疗前的CT扫描数据，包括主要肿瘤和颈部淋巴结的信息，这些数据与头颈癌的长期预后高度相关。第三个项目进一步改进了Swin Transformer模型，命名为Swin Transformer-based多模态和多区域数据融合框架（SMuRF），允许在二维H&E滑片图像和三维放射学图像之间无缝切换。通过这种多尺度数据的整合，研究人员不仅能够预测患者的生存率，还能识别出哪些患者真正受益于化疗。 第四个研究项目同样发表在《欧洲癌症杂志》上，超越了影像数据的结合，将滑片图像与肿瘤的表观遗传学数据关联起来。利用一种新的方法——pathogenomic fingerprinting，研究人员能够将肿瘤细胞在滑片图像中的视觉架构与基因调控模式联系起来，这对于理解肿瘤的细胞层面特性具有重要价值。 这四项研究的目标都是更好地分类患者的风险，识别出哪些肿瘤更具侵略性、哪些可能进展较慢，从而开发出可供临床医生使用的工具，指导患者的干预措施。结果显示，结合多种数据源的评估效果显著优于单一数据源的评估。 尽管这些成果令人振奋，但共同作者Nabil Saba教授，埃默里大学医学院血液学和肿瘤学教授，以及温希普癌症研究所头颈癌研究主席，呼吁谨慎推进。他认为，我们目前正处于了解AI潜力的阶段，下一步是如何将这些数据转化为临床实践，以提供最佳治疗方案。“生成大量数据是一个良好的开端，但最终目标是确保这些数据能够真正帮助到每一个患者。” 业内评价普遍认为，Madabhushi及其团队的工作展示了AI在癌症研究中的巨大潜力，尤其是通过多尺度数据整合的方法，为临床诊断提供了更加精确和全面的视角。温希普癌症研究所作为美国领先的癌症研究中心之一，一直致力于推动前沿技术在癌症诊疗中的应用。这些最新的研究成果有望在未来对头颈癌的早期诊断和个性化治疗产生深远影响。