出国看病资讯使用机器学习识别无法诊断的癌症

出国看病资讯使用机器学习识别无法诊断的癌症

为癌症患者选择适当治疗方法的第一步是确定其特定类型的癌症，包括确定主要部位 - 癌症开始的器官或身体部位。——出国看病

在极少数情况下，即使进行广泛的测试，也无法确定癌症的起源。虽然这些原发性不明的癌症往往具有侵袭性，但肿瘤学家必须使用非靶向治疗来治疗它们，这些治疗通常具有剧烈的毒性并导致低存活率。——出国看病

麻省理工学院科赫综合癌症研究所和马萨诸塞州总医院（MGH）的研究人员开发的一种新的深度学习方法可以通过仔细研究与早期细胞发育和分化相关的基因表达程序来帮助对未知原发性癌症进行分类。——出国看病

“有时你可以应用病理学家必须提供的所有工具，但你仍然没有答案，”Salil Garg说，他是Charles W.（1955）和Koch研究所的Jennifer C. Johnson临床研究员，也是MGH的病理学家。“像这样的机器学习工具可以使肿瘤学家选择更有效的治疗方法，并为患者提供更多指导。——出国看病

Garg是一项新研究的资深作者，该研究于8月30日发表在《癌症发现》杂志上。人工智能工具能够以高度的灵敏度和准确性识别癌症类型。Garg是该研究的资深作者，麻省理工学院博士后Enrico Moiso是主要作者。——出国看病

开发中的机器学习

解析未知原发性肿瘤不同种类肿瘤之间基因表达的差异是机器学习解决的理想问题。癌细胞的外观和行为与正常细胞完全不同，部分原因是它们的基因表达方式发生了广泛的改变。由于单细胞分析的进步以及在细胞图谱中编目不同细胞表达模式的努力，有大量的数据 - 如果，对人眼来说，是压倒性的 - 数据包含不同癌症如何以及从何处起源的线索。——出国看病

然而，将健康细胞和正常细胞之间以及不同类型癌症之间的差异纳入诊断工具的机器学习模型是一种平衡行为。如果一个模型太复杂，并且解释了太多癌症基因表达的特征，那么该模型可能看起来可以完美地学习训练数据，但是当它遇到新数据时会摇摇欲坠。然而，通过缩小特征数量来简化模型，模型可能会错过导致癌症类型准确分类的各种信息。——出国看病

为了在减少特征数量的同时仍然提取最相关的信息之间取得平衡，研究小组将模型集中在癌细胞发育途径改变的迹象上。随着胚胎发育和未分化的细胞专门化成各种器官，许多途径指导细胞如何分裂，生长，改变形状和迁移。随着肿瘤的发展，癌细胞失去了成熟细胞的许多特化特征。与此同时，它们开始在某些方面类似于胚胎细胞，因为它们获得了增殖，转化和转移到新组织的能力。已知许多驱动胚胎发生的基因表达程序在癌细胞中被重新激活或失调。——出国看病

研究人员比较了两个大型细胞图谱，确定了肿瘤和胚胎细胞之间的相关性：癌症基因组图谱（TCGA），其中包含33种肿瘤类型的基因表达数据，以及小鼠器官发生细胞图谱（MOCA），它描述了胚胎细胞发育和分化的56个独立轨迹。——出国看病

“单细胞分辨率工具极大地改变了我们研究癌症生物学的方式，但我们如何使这场革命对患者产生影响是另一个问题，”Moiso解释说。“随着发育细胞图谱的出现，特别是那些专注于器官发生早期阶段的细胞图谱，如MOCA，我们可以将我们的工具扩展到组织学和基因组学信息之外，并为分析和识别肿瘤以及开发新疗法的新方法打开大门。——出国看病

然后将肿瘤和胚胎细胞中发育基因表达模式之间的相关性图谱转化为机器学习模型。研究人员将来自TCGA的肿瘤样本的基因表达分解为对应于发育轨迹中特定时间点的单个组分，并为这些组分中的每一个分配一个数学值。然后，研究人员建立了一个机器学习模型，称为发育多层感知器（D-MLP），该模型对肿瘤的发育成分进行评分，然后预测其起源。——出国看病

肿瘤分类

经过培训，D-MLP被应用于52个特别具有挑战性的未知原发性癌症的新样本，这些癌症无法使用可用的工具进行诊断。这些案件是MGH从2017年开始的四年内最具挑战性的案例。令人兴奋的是，该模型将肿瘤分为四类，并产生了可以指导这些患者诊断和治疗的预测和其他信息。——出国看病

例如，一个样本来自一位有乳腺癌病史的患者，该患者在腹部周围的液体空间中显示出侵袭性癌症的迹象。肿瘤学家最初无法找到肿瘤肿块，也无法使用当时拥有的工具对癌细胞进行分类。然而，D-MLP强烈预测了卵巢癌。在患者首次就诊六个月后，终于在卵巢中发现了一个肿块，该肿块被证明是肿瘤的起源。——出国看病

此外，该研究对肿瘤和胚胎细胞之间的系统比较揭示了对特定肿瘤类型基因表达谱的有希望的，有时甚至是令人惊讶的见解。例如，在胚胎发育的早期阶段，形成一个基本的肠管，肺和其他附近器官来自前肠，大部分消化道从中肠和后肠形成。该研究表明，肺源性肿瘤细胞不仅与预期的前肠表现出强烈的相似性，而且与中肠和后肠衍生的发育轨迹也表现出强烈的相似性。像这样的研究结果表明，有朝一日，发育计划的差异可能会被利用，就像基因突变通常用于设计个性化或有针对性的癌症治疗一样。——出国看病

虽然该研究提出了一种强大的肿瘤分类方法，但它有一些局限性。在未来的工作中，研究人员计划通过整合其他类型的数据来提高其模型的预测能力，特别是从放射学，显微镜和其他类型的肿瘤成像中收集的信息。——出国看病

“发育基因表达仅代表可用于诊断和治疗癌症的所有因素中的一小部分，”Garg说。“将放射学，病理学和基因表达信息整合在一起是癌症患者个性化医疗的真正下一步。——出国看病