研究人员认为,这项技术可以通过在更早期阶段(0期)识别胰腺癌,帮助改变胰腺癌的检测方式,因为在这一阶段治疗更有可能成功。患者可能有机会在疾病仍可治疗时开始接受治疗,而不是等到癌症已进展至晚期、可能致命的阶段才被确诊。
尽管REDMOD在研究中表现优于经验丰富的放射科医生,但在将其引入常规医疗护理之前,仍需进行更多研究。特别是,科学家们强调有必要在高风险患者中测试该系统,包括那些出现不明原因体重减轻或近期确诊糖尿病的人群。
为什么胰腺癌如此难以早期发现
胰腺导管腺癌的生存率较低,主要原因是它往往在疾病进展后才被发现。早期胰腺癌通常很少产生明显症状,而且它引起的胰腺组织变化可能过于细微,难以通过标准医学影像检测到。这种癌症还可能进展迅速,这使得及时诊断尤为重要。
为应对这些挑战,研究人员创建了一个名为“基于影像组学的早期检测模型”的人工智能框架。该系统分析胰腺组织纹理中极其细微的模式,即影像组学特征,这些特征在常规计算机断层扫描(CT)图像上并不容易看到。
REDMOD还能自动识别并勾画胰腺轮廓,将其与附近的器官和组织区分开来。这一过程免除了专家手动追踪器官边界的需要,减少了不同人员执行该任务时可能产生的不一致性。
AI在确诊前数年发现隐藏的癌症信号
为评估该系统,研究人员检查了在多家医院接受治疗的219名患者的腹部CT扫描。在扫描时,经验丰富的放射科医生未发现任何胰腺癌证据。然而,该组中的每一名患者随后都被诊断出患有此病。
这些扫描是在确诊前的不同时间间隔进行的。对于87名患者(40%),影像是在确诊前3至12个月获取的。另有76名患者(35%)在确诊前12至24个月接受了扫描,而56名患者(25%)在超过24个月前(最长约3年)接受了影像检查。在近三分之二(64%)的患者中,癌症发生在胰头部。
研究人员将这些影像与1243人的CT扫描进行了比较,这些人在此后长达三年内均未患胰腺癌。对照组根据年龄、性别和扫描日期进行了匹配。
最终患上胰腺癌的患者平均年龄为69岁,年龄范围为34至88岁。对照组的平均年龄为64岁,年龄范围同样为34至88岁。
REDMOD在患者接受临床诊断之前平均475天,成功识别出与胰腺癌相关的细微影像特征。这些早期预警信号此前在常规放射学评估中一直未被检出。
研究人员强调:“这一时间窗口具有深远意义,因为实现如此早期的检测将大幅提高治愈率和生存率的提升可能。”
他们补充道:“事实上,建模研究表明,将局限性[胰腺导管癌]的比例从10%提高到50%,将使生存率提高一倍以上,这凸显了诊断时机是决定生存结果的最关键因素。”
AI表现优于经验丰富的放射科医生
结果还显示,REDMOD在识别早期癌症信号方面明显优于经验丰富的放射科医生。
该AI的敏感性达到73%,而放射科医生为39%。敏感性衡量的是一种诊断方法能否有效识别出真正患有该疾病的人,而不是漏掉真实的病例。
当研究人员检查在患者确诊前两年以上拍摄的扫描时,差异更为显著。在这些情况下,REDMOD的检出率为68%,几乎是放射科医生23%的三倍。
研究人员还评估了该系统识别无胰腺癌人群扫描的能力。在来自多家医院的539名患者组成的独立组中,REDMOD将略高于81%的扫描正确分类为无癌症。它在公开可用的美国国立卫生研究院NIH-PCT数据集(80名患者)上表现更好,正确识别出87.5%的扫描无胰腺癌。
额外的测试表明,REDMOD检测到的早期预警信号随时间保持一致。当研究人员分析同一患者相隔数月拍摄的扫描时,该系统在90%至92%的病例中产生了匹配的结果。这种一致性进一步证明,该AI识别的是与疾病相关的有意义的变化。
AI能否变革胰腺癌的早期检测?
尽管研究结果令人鼓舞,但研究人员提醒,仍有几个问题尚未解答。其中一个局限是,研究人群的种族背景多样性不足,这可能影响该技术在不同人群中的表现。
该系统还必须接受前瞻性测试,尤其是在胰腺癌风险升高的人群中进行测试,研究人员才能确定它是否在日常临床实践中有效。
即使存在这些局限,研究结果仍表明,AI最终可能帮助医生在胰腺癌仍处于更可治疗阶段时识别它,从而有可能改善那些原本会晚期确诊的患者的生存情况。
研究人员总结道:“本研究验证了REDMOD作为一个全自动AI框架,能够在正常胰腺中识别0期[胰腺导管腺癌]的影像特征,并以显著的提前时间和优于专家放射科医生的性能实现这一目标。”
他们补充道:“虽然前瞻性验证对于确认其临床实用性至关重要,但REDMOD框架代表了向将散发性[胰腺导管腺癌]从晚期症状性诊断转变为主动的临床前拦截这一范式转变迈出的重要一步,为改善这一难治性疾病的治疗结果提供了切实的希望。”