The Innovation | 人工智能是否能提升“癌王”胰腺癌早期检出率？

导

读

胰腺癌是一种高度致命的恶性肿瘤，由于难以早期诊断和缺乏有效的治疗方案，其总体五年生存率仅为12%^[1]。大部分胰腺癌发现即晚期，很遗憾地错过了最佳的治疗时机。如果可以提前鉴定并干预高风险人群，发现并及时治疗早期患者，即可大幅提高生存率。目前临床上并没有面向普通人群的胰腺癌早筛查手段。近年，人工智能（Artificial Intelligence, AI）技术应用如火如荼，临床上是否可利用AI提高胰腺癌的早期检出率？

最近，来自哈佛大学和哥本哈根大学等的研究团队（Placido等人）开发了一种深度学习算法，基于电子医疗记录即可提前三年预测胰腺癌的发生^[2]。在使用深度学习算法之前，强大的风险预测模型都需要大量数据进行训练和验证。Placido等人基于丹麦国家病人注册系统（Danish National Patient Registry, DNPR）和美国退伍军人事务部医疗系统（United States Veterans Affairs, US-VA）共九百万病人的临床记录，开发了一种顺序式（Sequential）AI模型，以预测胰腺癌的发生。此研究测试了四种机器学习模型（Bag-of-words、Gated Recurrent Unit、Multilayer Perceptron和Transformer模型），发现Transformer模型^[3]表现最佳，是目前在普通人群中预测胰腺癌的最好模型。

对于任何风险预测模型来说，外部验证都至关重要。为了验证模型的预测效果，Placido等人在DNPR数据集中训练的最佳AI模型应用于US-VA数据集中，在预测3年内发生胰腺癌的性能（AUROC）与DNPR数据集相比出现下降（从0.88下降到0.71）。由于两个医疗系统之间存在差异，Placido等人在US-VA数据集中重新训练和评估了AI模型，其预测性能有所改善（上升至0.78）。在US-VA数据集中的验证表明，针对每个临床数据集从头开始重新训练AI模型很可能会提高风险预测能力。

尽管深度机器学习算法对于用户来说通常是一个黑盒子，了解哪些特征（风险因子）对机器学习预测模型起到关键贡献却十分重要。揭秘AI的黑盒子发现，在预测0-6、6-12、12-24和24-36个月发生胰腺癌的模型中，不仅包含已知的风险因子（例如二型糖尿病、急性胰腺炎），还发现潜在的新型胰腺癌风险因子（例如胆结石、胃炎、胃食管反流病）。新型风险因子可能指向胰腺炎相关的炎症机制，但还需进一步的研究来确定其是否直接与胰腺癌的发生风险相关。

尽管该研究提供了迄今为止在普通人群中进行胰腺癌风险评估的最佳预测模型，但在DNPR数据集中，对于评估1年和3年内发生胰腺癌的灵敏度分别只有8%和4%。因此，我们拟提出一个综合的胰腺癌风险评估程序，有望进一步提高预测模型的精准度（图1）：加入（A）高风险生殖系变异检测、（B）多基因风险评分（Polygenic Risk Score, PRS）（通过胰腺癌队列联盟（Pancreatic Cancer Cohort Consortium, PanScan）、胰腺癌病例-对照研究联盟（Pancreatic Cancer Case-Control Consortium, PanC4）和其他大规模全基因组关联研究^[4]，预计当前PRS会有所改进）、（C）生活方式因素、（D）血液标志物、（E）基于AI的医学影像指标和（F）在训练深度机器学习模型时分别分析被诊断为较致命的胰腺导管腺癌（Pancreatic Ductal Adenocarcinoma, PDAC）和较温和的胰腺神经内分泌肿瘤（Pancreatic Neuroendocrine Tumor, PNET）亚型的患者。通过这个风险评估程序，很可能会显著提高风险预测模型的准确性，识别出具有极高胰腺癌风险或已经患有但未被诊断出的早期胰腺癌个体。

图1 构建一个综合的胰腺癌风险评估程序。整合高风险生殖系变异、多基因风险评分（PRS）、生活方式因素、血液标志物、基于人工智能的医学影像指标和基于疾病轨迹的人工智能风险模型，有望进一步提高普通人群中胰腺癌风险预测的准确性。

总结与展望

综上所述，Placido等人的研究表明，基于大规模医疗健康数据的人工智能有助于提高早期胰腺癌风险预测。我们拟提出一个综合的胰腺癌风险评估程序（图1），有望进一步提高普通人群中胰腺癌风险预测的准确性。在这些模型广泛应用之前，关键的一点是评估针对高风险个体设计的监测策略是否在临床试验中促进早期胰腺癌的检出并改善生存率，同时最大限度地减少过度诊断和潜在的伤害。

参考文献：

1. Siegel, R.L., Miller, K.D., Wagle, N.S. & Jemal, A. Cancer statistics, 2023. CA Cancer J Clin 73, 17-48 (2023).

2. Placido, D. et al. A deep learning algorithm to predict risk of pancreatic cancer from disease trajectories. Nat Med (2023).

3. Vaswani, A. et al. Attention Is All You Need. Advances in Neural Information Processing Systems 30 (Nips 2017) 30(2017).

4. Klein, A.P. et al. Genome-wide meta-analysis identifies five new susceptibility loci for pancreatic cancer. Nature communications 9, 556 (2018).

责任编辑

成泽怡   瑞金医院

王   涛   北京协和医院

扫二维码｜查看原文

原文链接：https://www.cell.com/the-innovation/fulltext/S2666-6758(23)00085-1

本文内容来自Cell Press合作期刊The Innovation第四卷第四期以Commentary发表的“Artificial intelligence and improved early detection for pancreatic cancer” (投稿: 2023-05-20；接收: 2023-06-06；在线刊出: 2023-06-07)。

DOI: https://doi.org/10.1016/j.xinn.2023.100457

引用格式：Zhong J., Shi J., Amundadottir L. (2023). Artificial intelligence and improved early detection for pancreatic cancer. The Innovation. 4(4),100457.

作者简介

钟君，美国国立癌症研究所研究人员(Research Fellow)。中国科学院大学生物信息学博士，曾在中国科学院北京基因组研究所任助理研究员，在美国国立癌症研究所完成博士后训练。目前从事生物信息学、肿瘤多组学研究，专注于建立胰腺癌风险预测模型、揭秘遗传易感性和鉴定致病驱动突变（Driver mutations）。曾获美国国立卫生研究院(National Institutes of Health, NIH)优秀研究人员奖、NIH暑期研究导师奖和美国国立癌症研究所IRA奖等。曾主持国家自然科学基金青年基金。

https://www.junzhong.cc/

时建新，美国国立癌症研究所资深研究员 （Senior Investigator）。斯坦福大学统计学博士，师从 David O. Siegmund 教授；在斯坦福大学医学院完成博士后训练。研究兴趣包括疾病风险评估，统计遗传，癌症遗传学，癌症基因组学和微生物组学。曾两次获得NCI Director‘s Innnovation Award 和 Technology Transfer Award。

https://dceg.cancer.gov/about/staff-directory/shi-jianxin

Laufey Amundadottir，美国国立癌症研究所资深研究员（Senior Investigator）。乔治城大学细胞生物学博士，在哈佛大学完成博士后训练。曾任deCODE Genetics癌症遗传部主任，现任胰腺癌队列联盟（Pancreatic Cancer Cohort Consortium (PanScan)，全球规模最大胰腺癌全基因组关联性研究）联合主席。曾获美国国立癌症研究所女性科学家导师奖、领导力奖和整合癌症生物学和基因组学奖等。研究兴趣包括胰腺癌遗传学、风险位点的功能研究、风险预测模型构建和致病驱动突变。

https://dceg.cancer.gov/about/staff-directory/amundadottir-laufey

往期推荐

	MicrobiotaProcess: 深度挖掘微生物组学数据的综合R包

	clusterProfiler：聚焦海量组学数据核心生物学意义

	全球首款个体化促排卵用药指导工具——POvaStim

	语言模型在蛋白质表示和蛋白质设计领域的应用与挑战

	从科幻到科研：神经调控有望实现人工冬眠

	揭开人体膜解剖的神秘面纱

	“格鲁特”重生：2022年异基因干细胞移植进展

	干细胞自组装形成合成胚胎的细胞力学机制

期刊简介

扫二维码 ｜ 关注期刊官微

The Innovation是一本由青年科学家与Cell Press于2020年共同创办的综合性英文学术期刊：向科学界展示鼓舞人心的跨学科发现，鼓励研究人员专注于科学的本质和自由探索的初心。作者来自全球54个国家；已被126个国家作者引用；每期1/5-1/3通讯作者来自海外。目前有196位编委会成员，来自21个国家；50%编委来自海外；包含1位诺贝尔奖获得者，37位各国院士；领域覆盖全部自然科学。The Innovation已被DOAJ，ADS，Scopus，PubMed，ESCI，INSPEC，EI等数据库收录，2022年影响因子为32.1，CiteScore为23.6。秉承“好文章，多宣传”理念，The Innovation在海内外各平台推广作者文章。

期刊官网：

www.the-innovation.org

www.cell.com/the-innovation

期刊投稿（Submission）：

www.editorialmanager.com/the-innovation

商务合作（Marketing）：

[e-mail]

Logo｜期刊标识

See the unseen & change the unchanged

创新是一扇门，我们探索未知；  

创新是一道光，我们脑洞大开；  

创新是一本书，我们期待惊喜；  

创新是一个“1”，我们一路同行。

The Innovation 姊妹刊

The Innovation