Connect with us

医疗健康

AI 的改变人生的、可衡量的对癌症的影响

mm

利用大数据来增强 AI 在癌症检测和治疗中的作用

将 AI 集成到医疗决策过程中正在帮助革新这一领域,并导致更准确和一致的治疗决策,得益于其几乎无限的识别模式能力,这些模式对于人类来说太过复杂。
肿瘤学领域会产生大量的数据集,从未结构化的临床病史到成像和基因组序列数据,在患者旅程的各个阶段。AI 可以“智能地”分析大规模的数据批次,速度比传统方法快,这对于训练机器学习算法至关重要,这些算法是高级癌症检测和监测工具的基础。AI 还具有出色的模式识别能力,可以高效地建模数据集的复杂性。这很重要,因为它使我们能够更深入地、多层次地理解微妙的分子特征在癌症基因组学和肿瘤微环境中的影响。发现特定癌症病例或癌症进展模式中仅存在的基因之间的模式可以带来更个性化的治疗方法。
最终目标是什么?由 AI 驱动的癌症检测支持临床决策,为医生和患者在癌症旅程的每一步提供帮助 – 从筛查和检测到确定正确的治疗方法,以及监测患者对干预措施的反应和预测复发。

数据质量和数量:AI 成功的关键

最终,AI 算法的好坏取决于训练它的数据质量。低质量、不完整或标记不正确的数据会限制 AI 找到最佳模式的能力(垃圾进,垃圾出)。这在癌症护理中尤其重要,因为预测建模依赖于无可挑剔的精度 – 例如,成千上万个基因变体中只有一个可能会发出肿瘤发展的信号并告知早期检测。确保这种高水平的质量需要耗费时间和金钱,但会带来更好的数据,从而实现最佳的检测准确性。然而,开发有用的数据宝库带来了重大的挑战。首先,收集大规模的基因组和分子数据是一个复杂的任务,涉及数百万个数据点。它从拥有最高质量的测量癌症特征的检测方法开始,具有无可挑剔的精度和分辨率。收集的分子数据还必须在地理和患者代表性方面多样化,以扩大训练模型的预测能力。同时,建立长期的跨学科合作和伙伴关系可以帮助收集和处理原始数据以进行分析。最后,在处理医疗信息时,制定严格的数据处理伦理标准至关重要,并且必须遵守严格的患者隐私法规,这有时会在数据收集中带来挑战。
大量准确、详细的数据不仅会导致能够快速发现模式的检测能力,并赋予医生最佳的机会来满足患者的未满需求,而且还会改进和推进临床研究的每个方面,特别是寻找更好的癌症药物和生物标志物的紧迫搜索。

AI 已经在癌症护理和治疗中显示出希望

已经实施了更有效的方法来训练 AI。我的同事和我正在训练算法,从包括成像结果、活检组织数据、多种基因组序列和蛋白质生物标志物在内的综合数据数组中 – 所有这些都加起来形成了大量的训练数据。我们能够以万亿而不是十亿的规模生成数据,这使我们能够建立一些真正准确的预测分析,这些分析正在临床使用中,例如高级癌症的肿瘤识别,或者涉及微妙基因变异的预测化疗治疗路径。
在 Caris Life Sciences,我们已经证明了对算法进行广泛的验证和测试是必要的,现实世界证据在其中发挥着关键作用。例如,我们训练来检测特定癌症的算法可以通过实验室组织学数据进行验证,而 AI 预测的治疗方案可以与现实世界的临床生存结果进行交叉比较。
鉴于癌症研究的快速进展,经验表明,持续学习和算法改进是成功的 AI 战略的重要组成部分。随着新治疗方法的开发和我们对驱动癌症的生物途径的理解的演变,使用最新信息更新模型可以提供更深入的见解和增强检测敏感性。
这种持续的学习过程凸显了 AI 开发者和临床、研究社区之间的广泛合作的重要性。我们发现,开发新的工具来更快速、更敏感地分析数据,并从肿瘤学家那里获得反馈,对于开发新的工具至关重要。最终,AI 算法的成功的真正衡量标准是它如何准确地为肿瘤学家提供可靠的预测见解,以及 AI 战略如何适应不断变化的治疗范式。

AI 的现实世界应用已经提高了生存率和改善了癌症管理

数据规模和质量的进步已经对患者护理和生存结果产生了可衡量的影响,通过扩大医生的决策工具箱。第一个临床验证的 AI 工具,用于导航难以治疗的转移性癌症的化疗治疗选择,可能会将患者的生存时间延长 17.5 个月,与没有预测算法的标准治疗决策相比1。另一个 AI 工具可以 以超过 94% 的准确率预测数十种转移性癌症的肿瘤起源2 – 这对于创建有效的治疗计划至关重要。AI 算法还可以根据每个人的独特肿瘤基因组预测肿瘤对免疫疗法的反应。在每一种情况下,AI 工具包都赋予了临床决策能力,改善了患者的结果,与当前的护理标准相比。

期待 AI 革命在癌症领域的到来

AI 已经改变了我们检测癌症和治疗癌症的方式。癌症管理很快就会有医生与集成的 AI 并肩合作,实时治疗和监测患者,并领先于癌症通过突变来智胜药物的企图。除了改进的预测模型用于更早地检测癌症和提供更有效的个性化治疗范式外,医生、研究人员和生物技术公司正在努力利用数据和 AI 分析来推动新的治疗发现和癌症的分子生物标志物。
在不太遥远的未来,这些曾经不可能实现的 AI 进步将远远超出癌症护理,涵盖所有疾病状态,结束不确定性的时代,使医学更加准确、个性化和有效。

阿布拉罕博士于2007年加入Caris Life Sciences,担任信息技术部门职务,自此之后他担任了多个管理职位,职责逐渐增加。他目前担任高级副总裁、首席创新官,负责通过DEAN(Deliberation Analytics)开发机器学习算法,DEAN是一个高级的人工智能平台,用于血液基诊断试剂开发、药物靶点发现、肿瘤类型评估和治疗选择。他是多项开创性专利的发明者,这些专利涉及新型算法和预测签名,这些专利正在引领精准医学的新时代。

阿布拉罕博士在Caris开始他的职业生涯,开发了许多数据模型和系统,这些模型和系统推动了Caris在精准医学方面的追求。他随后领导了认知计算组,在那里他在帮助识别新的生物签名以改善癌症诊断和治疗选择方面发挥了重要作用。

阿布拉罕博士在德克萨斯大学奥斯汀分校获得了神经生物学学士学位,在斯坦福大学追求生物医学信息学的研究生教育,并在亚利桑那州立大学获得了分子和细胞生物学博士学位。