利用人工智能有望幫助臨床醫(yī)生做出更好的癌癥治療決定

　　在治療癌癥患者時(shí)，腫瘤學(xué)家想要預(yù)測(cè)患者的病程，以做出關(guān)鍵的治療決定。了解腫瘤獨(dú)特的分子特征可以幫助指導(dǎo)這些決定，為癌癥是生長(zhǎng)緩慢還是具有侵襲性和致命性或者是會(huì)抵制治療提供線索。新的分子譜技術(shù)產(chǎn)生了大量關(guān)于腫瘤的信息，但醫(yī)生們一直在努力將所有這些數(shù)據(jù)轉(zhuǎn)化為有意義的預(yù)后。

　　在一項(xiàng)新的研究中，來自美國布羅德研究所和丹娜-法伯癌癥研究所的研究人員開發(fā)出一種新的模型，可以區(qū)分致命的前列腺癌和那些不太可能導(dǎo)致癥狀或死亡的前列腺癌的基因組特征。它還可以幫助臨床醫(yī)生預(yù)測(cè)前列腺癌患者的腫瘤是否會(huì)擴(kuò)散到身體的其他部位，或者隨著時(shí)間的推移變得對(duì)治療變得更具抵抗性。這種稱為P-NET的模型還能識(shí)別可能與疾病進(jìn)展有關(guān)的分子特征、基因和生物通路。P-NET使用基于機(jī)器學(xué)習(xí)的算法來分析腫瘤的已知分子特征，并指出腫瘤是否已經(jīng)或?qū)⒖赡軘U(kuò)散到身體的不同部位---這是一種侵襲性和潛在致命性癌癥的標(biāo)志。該模型還可能幫助癌癥科學(xué)家們更多地了解抵抗性疾病的生物學(xué)特性，而且它可能可以推廣到其他癌癥。相關(guān)研究結(jié)果于2021年9月22日在線發(fā)表在Nature期刊上，論文標(biāo)題為“Biologically informed deep neural network for prostate cancer discovery”。

　　論文通訊作者、丹娜-法伯癌癥研究所副教授Eliezer (Eli) Van Allen說，P-NET提供的不僅僅是對(duì)患者的預(yù)后判斷。他說，“我們不僅提高了預(yù)測(cè)癌癥是否會(huì)轉(zhuǎn)移的能力，以及哪些基因可能與這種狀態(tài)有關(guān)，而且作為癌癥研究人員，我們可以利用這種模型的可解釋性來了解這些疾病狀態(tài)的生物學(xué)特性。”

　　建立一種更好的模型

　　為了建立一種能夠區(qū)分早期和晚期前列腺癌腫瘤的模型，這些作者開發(fā)了一種專門的深度學(xué)習(xí)模型，與其他算法相比，該模型具有定制架構(gòu)和改進(jìn)的可解釋性。在深度學(xué)習(xí)模型中，多層神經(jīng)網(wǎng)絡(luò)從大型數(shù)據(jù)集中“學(xué)習(xí)”，以便像人腦一樣識(shí)別模式。

　　這些作者利用這種方法將生物信息，如基因和代謝或信號(hào)通路之間的已知關(guān)系，直接編碼到他們的模型中。然后，他們利用1000多名前列腺癌患者的基因組序列和體細(xì)胞（即非遺傳性）突變等數(shù)據(jù)訓(xùn)練P-NET，以便預(yù)測(cè)腫瘤是否具有侵襲性。當(dāng)他們使用來自其他前列腺癌患者的數(shù)據(jù)測(cè)試他們的模型時(shí)，他們發(fā)現(xiàn)它能正確區(qū)分80%的轉(zhuǎn)移性腫瘤和原發(fā)的進(jìn)展較慢的腫瘤。這表明這種經(jīng)過訓(xùn)練的模型能夠?qū)π聰?shù)據(jù)執(zhí)行相同的功能。

　　通過研究P-NET并根據(jù)基因和通路的重要性對(duì)其進(jìn)行加權(quán)，他們還發(fā)現(xiàn)基因MDM4可能參與了前列腺癌的進(jìn)展和抗藥性。此前，科學(xué)家們認(rèn)為該基因與其他癌癥有關(guān)，但與前列腺癌無關(guān)。他們發(fā)現(xiàn)MDM4在前列腺腫瘤細(xì)胞中的過度表達(dá)與抗藥性有關(guān)。當(dāng)他們使用基因編輯關(guān)閉該基因時(shí)，癌細(xì)胞增殖減少，表明它們可能對(duì)治療更敏感。這些結(jié)果表明他們可能重新利用抑制MDM4的藥物--其中的一些藥物目前正在研究用于治療其他癌癥---治療前列腺腫瘤。

　　這些作者說在經(jīng)過修改后，P-NET也可能幫助腫瘤學(xué)家預(yù)測(cè)其他癌癥的疾病進(jìn)展和治療反應(yīng)。論文**作者、布羅德研究所副研究員Haitham Elmarakeby說，“這種架構(gòu)并不局限于前列腺癌。我們的模型有很大的潛力，可以以不同的方式進(jìn)行擴(kuò)展。”

　　Van Allen補(bǔ)充說，隨著他和他的團(tuán)隊(duì)將其他種類的數(shù)據(jù)---包括更多的遺傳和成像數(shù)據(jù)---整合到這種模型中，P-NET將繼續(xù)得到改善。他說，“對(duì)于我們?nèi)绾文軌驅(qū)崿F(xiàn)癌癥生物學(xué)和機(jī)器學(xué)習(xí)之間的融合，這只是一個(gè)開始。這種融合是我們相信我們能夠真正為癌癥患者提供更多發(fā)現(xiàn)的地方。”