近日，伦敦帝国理工学院和墨尔本大学的研究人员开发了一套人工智能系统Texlab，该系统能够对卵巢癌进行预后（预测疾病可能病程和结局），预测卵巢癌患者的存活率，并给出对患者最有效的治疗建议。

       研究人员表示，与现有医疗技术相比，该系统预测患者存活率的准确率是传统方法的四倍。

       这项研究在英国皇家学院医疗保健NHS信托基金会的哈默史密斯（Hammersmith）医院进行，研究成果发表在Nature Communications期刊上，标题为《A mathematical-descriptor of tumor-mesoscopic-structure from computed-tomography images annotates prognostic- and molecular-phenotypes of epithelial ovarian cancer》。

       早期筛查卵巢癌可提高存活率

       卵巢癌是女性生殖器官常见的恶性肿瘤之一，通常在绝经后或有家族病史的女性身上发生。据了解，英国每年有6000例新的卵巢癌病例，但长期存活率仅为35-40%。

       卵巢癌中以上皮性卵巢癌（EOC）最多见。研究人员表示，实验中提到的上皮性卵巢癌是英国女性中第六大常见癌症，并且在所有妇科癌症中死亡率最高，占女性癌症死亡总数的4％。

       常规的卵巢癌检测，医生会进行一系列操作。包括血液检查CA125（一种癌症的迹象），然后进行CT扫描，利用X光和计算机生成卵巢肿瘤的详细图像进行分析。然而，这样的CT扫描只能让临床医生获得一个大概结果或治疗干预后的可能效果。

       由于卵巢深居盆腔，体积小、缺乏典型症状，早期往往很难发现，大多数卵巢癌发现时已扩散到盆腹腔器官。因此卵巢癌预后一直是一大难题，也是提高癌症患者存活率的关键。

       人工智能早期预测卵巢癌

       伦敦帝国理工学院和墨尔本大学的研究人员使用一个称为Texlab的数学软件工具。在2004年至2015年间，从364例上皮性卵巢癌（EOC）患者的术前CT图像中提取了657个定量的数学描述。

       了解到，Texlab软件检测了肿瘤的四个生物学特征，这些特征显著影响患者的总体生存率，即结构、形状、大小和基因组成，以评估患者的预后。

       最后，Texlab会给到患者一个称为放射预测载体（RPV）的分数，该分数表示疾病的严重程度，从轻微到严重不等。

       研究人员将研究结果与医生估计生存率的预后评分进行了比较，发现该软件预测卵巢癌死亡的准确度是标准方法的四倍。

       研究小组还发现，RPV能识别5%总生存期小于2年的患者，改善既定的预后方法。另外，RPV评分高也与化疗抵抗和手术预后差有关，这表明RPV可作为一种潜在的生物标志物来预测患者对治疗的反应。

       AI诊断女性癌症

       人工智能的影像识别和深度学习能力，近年来被应用在了诸多医疗影像检测诊断领域。在女性疾病方面，AI除了可以检测到早期卵巢癌，在女性乳腺癌、宫颈癌等癌症诊断领域也获得不少成果。

       据了解，2018年10月，谷歌的AI研究人员和圣地亚哥海军医学中心已经合作开发出了一种能使用癌症检测算法自动评估淋巴结活检的AI系统，被称为“淋巴结助手”(简称LYNA)。

       在《美国外科病理学杂志》中，“基于人工智能的乳腺癌淋巴结转移检测”的论文写到，在转移性乳腺癌的检测精度测试中，LYNA的准确率达到99%，超过人类的检测准确率。

       2017年，我国海归细胞病理学专家孙小蓉博士团队研制出一台人工智能宫颈癌诊断机器人“Landing”，可快速精准地进行癌细胞诊断。

       该机器人从百万级样本中学习癌细胞、癌前病变细胞及正常细胞的样本辨识，最终能够精准识别宫颈正常细胞与癌细胞。据悉，“Landing”已获得中国、欧盟、美国（I类）临床认证许可，早期产品已应用于国内多家医疗机构。

       人工智能技术应用女性癌症疾病的筛查诊断，可以帮助医生和患者尽早发现疾病，采取合适的治疗方式进行干预，从而有效提高癌症患者的存活率。

点击下图，预登记观展