今年初“阿尔法狗”（AlphaGo）围棋战胜李世石，让很多人发现，顶尖高手的经验也可以被逻辑算法战胜。
如今在医学界，机器人替代人类医学治疗技术日渐精确，计算机模拟人类识别疾病种类的系统日趋成熟，这让医生依照权威临床指南（比如NCCN指南）和个人经验的治疗抉择日益受到挑战。
诊断肺癌，计算机比病理学家还精准！
近日发表在《NatureCommunications》的一项来自美国斯坦福大学医学院的研究发现，一种机器学习法可识别疾病相关的重要特性，精确区分两种肺癌类型和预测患者生存时间。
该方法比病理学家通过分级、分期对肿瘤进行分类的标准方法更好。
X光片下的肺癌
斯坦福大学遗传学系主任和教授MichaelSnyder博士说，“现行病理以实践性为主，还很主观。两名高级病理学技术专家评估为同一张切片，意见契合的比例约占60%。而该方法用复杂的、定量测量法取代这种主观性，我们认为这可能会改善患者的治疗效果。"
虽然这项研究目前主要集中于肺癌，但研究人员认为，类似的方法可用于许多其他类型的癌症。
Snyder博士说：“最终这项技术将通过将重要的病理特征与成果数据结合，让我们洞察到癌症的分子机制。”
评估癌症分级与分期
几十年来，病理学家通过光学显微镜检查安装在载玻片上的肿瘤组织薄层断面来评估癌症的分期，或“分级”。
在其他指标中，就肿瘤组织的细胞大小和形状而言，其镜下表现越异常，等级越高。分期则是基于癌症是否扩散以及已扩散至全身的位置。
通常肿瘤的分级、分期可以用于预测患者的健康状况如何，它们也可以帮助临床医生决定如何、以及如何积极治疗这种疾病。
然而这一分类系统并不总是适合肺癌。尤其是，肺肿瘤亚型的鳞状细胞癌和腺癌在检查组培切片时就很难分辨。
此外，患者的癌症分期和分级并不总是与其预后相关，可能相差很大。例如，50%的Ⅰ期肺腺癌患者在五年内死亡，而约15%的患者却存活10年以上。
研究人员使用从癌症基因组图谱的国家数据库获得的位腺癌或鳞状细胞癌患者的病理图像。数据库中还包含每个癌症指定的分级、分期及诊断后每位患者的生存期。
然后研究人员用图像来“训练”计算机软件程序，以识别比通过肉眼检测获得更多的癌症特异性的特点。
这些特征不仅包括细胞的大小和形状，而且还包括细胞核发的形状和质地，以及相邻肿瘤细胞间的空间关系。
Snyder博士说："我们开始研究时并没有任何先入为主的想法，我们让软件确定哪些特征是重要的。现在回想起来，这一切都非常有意义。计算机可以比人类更精准、更快速的多次评估甚至有微小差别的数千个样品。”
将病理带入21世纪
研究人员把注意力集中于可最优程度用于区分肿瘤细胞和周围非癌性组织，查明癌症亚型，并预测每个患者诊断后将存活多久的软件可识别细胞特征亚型。
然后，他们验证软件准确区分从斯坦福大学组织微阵列数据库中短期的幸存者，与那些另一个数据集内生存期明显延长的位肺癌患者的能力。
识别可以预测癌症严重程度和生存时间的以前未知的物理特性也可能导致对癌症启动和进展的分子过程有更多的理解。
尤其是，Snyder预计这项研究中所描述的机器学习系统将能够补充的肿瘤基因组学、转录组学和蛋白质组学研究的新兴领域。
比如：DNA突变、导致疾病的基因、蛋白的表达模式等。
Snyder说：“我们发起这项研究，是因为我们想要把我们的病理图像嫁接到我们的“组学”研究中，以更好地在分子水平上了解癌症进程。这将带领癌症病理学进入21世纪，并具有为患者和医师提供非常美妙的事情的潜力。
您看此文用·秒，转发只需1秒呦~.
置顶“哎哟不怕”，再也不会错过权威健康知识
赞赏
