人工智能可以快速简便地诊断胰腺癌
胰腺是我们身体中最复杂的器官之一。这个12-15厘米长的器官横贯腹部,功能相当于一个腺体。这意味着它会合成酶和激素等物质,在血液循环(内分泌活动)或体内腔体(外分泌活动)中释放。健康成年人的胰腺是一个繁忙的器官,每天合成和分泌大约1升的物质。
忙碌,忙碌的胰腺
作为其外分泌活动的一部分,胰腺制造酶和消化液,并将其分泌到小肠(十二指肠)。这些分泌物混合并继续分解部分消化的食物,这些食物通过胃进入小肠。分泌物质的例子包括胰蛋白酶和胰凝乳蛋白酶酶消化蛋白质,淀粉酶解碳水化合物,脂肪酶分解脂质。消化液中也含有碳酸氢盐,这种物质可以中和通过胃进入小肠的酸。
胰腺打断
胰腺炎的特征在于胰腺中长期逐渐炎症(白细胞积累的发红和肿胀)。它可以导致胰腺的结构和功能造成不可逆转的损伤,这与腹痛,压痛和肿胀,恶心和呕吐,减肥,腹泻,发热和肌肉疼痛有关。
癌症也可以在胰腺中形成胰腺,而不是变得损坏,胰腺细胞不受控制地分裂以形成肿瘤。这可能会导致上腹痛,因为肿瘤推动神经,以及黄疸 - 皮肤和眼睛的黄色外观随着癌症干扰胆汁导致它产生黄橙色颜料胆红素。胰腺癌也可能导致食欲,恶心和呕吐,重量损失和弱眠,苍白或灰色粪便形成的损失。
胰腺癌的治疗包括手术切除肿瘤、化疗、放射治疗和药物治疗以减轻疼痛。不幸的是,胰腺癌是一种“隐匿性疾病”,这意味着症状通常出现在癌症已经发展到晚期的时候。到那时,要进行成功的治疗就太晚了。因此,胰腺癌的可能结果往往很差。100例胰腺癌患者中只有5例在确诊后存活超过5年。
在美国,胰腺癌是男性第4大常见癌症,女性第5大常见癌症。每年确诊的新病例超过5万例,约占所有癌症的3%。影响胰腺外分泌功能的肿瘤,如腺癌,是最常见的胰腺癌类型。腺癌也是一种特别“沉默”和侵袭性肿瘤。
胰腺癌的症状通常出现在治疗太晚的时候。
癌症的早期发现
为了改善胰腺癌的结果,我们需要能够在其早期阶段发现它。磁共振成像(MRI)和计算机断层扫描(CT)等成像技术可以准确诊断癌症,但对患者来说既昂贵又不舒服。多年来,科学家们一直试图通过研究癌症出现时存在于我们体内的所有基因(转录组)和蛋白质(蛋白质组)的水平来实现简单、早期、准确和廉价的诊断。这种类型的研究被称为“生物标志物”分析。它提供了改进癌症检测的可能性,从而更有效地治疗癌症。一种已经应用于临床的生物标志物是CA 19-9,它是一种糖结合分子,在胰腺癌患者的血液中其水平会上升。然而,它的水平通常没有上升到足以向医生和患者发出警报的程度。
巴西联邦Bahia(Ufba)联邦Bahia大学的Leandro Martins de Freitas最近发表了一项新的研究,确定了胰腺癌的五个新生物标志物。为实现这一目标,弗雷塔斯博士和他的团队利用了公开信息的力量(即,它们对腺癌患者存在的基因和蛋白质的水平进行了“荟萃分析”。调查结果最近发表在BMC癌症。
前进:人工智能预测胰腺癌的可能性。
他们获得了此前发表在10项独立科学研究中的数据,并用这些数据比较了463个腺癌样本和187个正常样本的基因水平(也称为基因表达水平)。他们发现两组之间40个基因的表达水平不同;39个基因在腺癌患者中水平较高,1个在正常患者中水平较高。他们认为这些基因在癌症形成过程中非常重要。许多在腺癌中高水平出现的基因是细胞骨架的一部分,细胞骨架是一种为细胞提供形状和支持,并促进细胞内分子运动的结构。在研究这些基因的蛋白质产物时,Freitas博士的团队发现,14个基因在胰腺肿瘤样本中也有较高的水平。
在14个蛋白质中,团队选择了五种,癌和正常样品之间的水平差异最大。所选的一组蛋白质包括Krt19,已知在大肿瘤大小和转移的患者中以高水平存在的蛋白质。另外四种蛋白质是AHNAK2,LAMB3,LAMC2和S100P。他们使用这五种蛋白质或生物标志物,“训练”人工神经网络(ANN)。这是基于人工智能的计算系统,该计算系统可以在从每个组的一组示例接收“训练”之后“学习”将样本分类为不同的组。这种“机器学习”分析用于将新的癌和正常样品分类为健康或不健康。在测试90次不同的迭代之后,该团队能够建立一个准确预测每个样品中胰腺癌风险的ANN。正确鉴定了100种实际腺癌样品中的87个。
值得注意的是,13个样本被错误地识别,表明该ANN有改善的空间。整合额外的遗传参数(例如,基因中的突变)和其他有助于因子(例如,糖尿病或其他预先存在的疾病)可以通过人工智能方法来帮助改善样品分类。
这是第一次将基因水平与人工智能结合起来,以创建诊断胰腺癌的模型。巴西团队已公开可用的软件,以便它可用于改善胰腺癌患者的诊断和生存。可靠的生物标志物的鉴定也可能允许开发更好的药物来治疗这种破坏性疾病。因此,使用新技术,弗雷塔斯博士和他的团队对胰腺癌的患者给予了新的希望。
个人反应
你认为ANN神经网络在预测胰腺癌的可能性方面会100%准确吗?