亞洲健康互聯
優化產業的推手,生醫商機的GPS!

首頁產業資訊精準醫療精準醫療人工智能追蹤急性骨髓性白血病(AML)

人工智能追蹤急性骨髓性白血病(AML)

來源 : 亞洲健康互聯海外中心
update : 2019/12/27

德國神經退化性疾​​病中心(DZNE)和波恩大學的研究人員,已在概念驗證研究中,證明了人工智能可以高度可靠地檢測出血液癌症的最常見形式之一-急性骨髓性白血病(AML)

他們的方法是基於對血液中發現的細胞基因活性的分析。在實踐中使用這種方法可以支持常規診斷,並可能加速治療的開始。該「 使用高維機器學習和血液轉錄組學可擴展地預測急性骨髓性白血病 」的研究結果,於1218日發表在《科學》雜誌上。

人工智能是醫學界特別討論的話題,尤其是在診斷領域。DZNE研究小組負責人,波恩大學LIMES研究所基因組和免疫調節系主任約阿希姆·舒爾茨教授解釋說:「我們旨在基於一個特定的例子來研究潛力。因為這需要大量數據,所以我們評估了血細胞基因活性的數據。已經對該主題進行了許多研究,其結果可透過數據庫取得。因此,數據庫非常龐大。我們實際上收集了目前可用的一切。」

基因活性的指紋
舒爾茨教授團隊專注於「轉錄組」,這是一種基因活性的指紋。在每個細胞中,取決於其狀況,實際上只有「某些基因」被「打開」,這反映在它們的基因活性譜中。在這項研究中,分析的正是來自血樣中的細胞並跨越了數千個基因的數據。舒爾茨說:「轉錄組保存著有關細胞狀況的重要資訊。然而,經典的診斷方法是基於不同的數據。因此,我們想找出利用人工智能可以實現轉錄組分析的方法,也就是可訓練的演算法。」

如果沒有適當的治療,急性骨髓性白血病會在幾週內導致死亡。AML與病理改變的骨髓細胞的增殖有關,後者會進入血液。最終,健康細胞和腫瘤細胞都會在血液中漂移。所有這些細胞均表現出典型的基因活性模式,在分析中均已將其考慮在內。來自105個不同研究,超過12,000個血液樣本的數據,這是迄今為止,最大的AML元研究數據集。這些血液樣本中約有4,100份來自被診斷患有AML的個體,其餘的則來自患有其他疾病的個體或健康個體。

命中率超過99%
科學家將他們的演算法提供給該數據集。輸入中包含有關樣本是否來自AML患者的資訊。舒爾茨說:「演算法在轉錄組中搜索疾病特異性模式。這是一個很大程度上自動化的過程,稱為機器學習。基於這種模式識別,進一步的數據將透過演算法進行分析和分類,即分類為有AML和無AML的樣本。當然,我們知道分類是在原始數據中列出的。我們隨後檢查了命中率。某些應用方法的命中率超過99%。」

臨床應用潛力
舒爾茨表示,這種方法投入應用後,可以支持常規診斷並節省成本。「原則上,由家庭醫師採集的血液樣本送到實驗室進行分析就足夠了,這不到50歐元。經典的AML診斷包括多種方法。其中一些每次運行花費幾百歐元,」舒爾茨指出。「但是,我們尚未開發出可行的檢測。我們僅表明該方法原則上有效,因此,我們為開發檢測奠定了基礎。」

舒爾茨強調,AML的診斷在未來將繼續需要專業醫生,目的是為專家提供支持他們診斷的工具。因為在早期階段,AML的症狀可能類似於重感冒的症狀。但是,AML是威脅生命的疾病,應盡快治療。「在我們的研究基礎上,透過血液檢查可能會發現,家庭醫生可能已經明確了對AML的懷疑。當懷疑得到證實後,患者將被轉介給專科醫生。診斷將比現在更早進行,治療可能更早開始。」