UBC 研究人员利用人工智能改善子宫内膜癌的诊断和治疗
不列颠哥伦比亚大学研究人员的一项发现有望改善对子宫内膜癌（最常见的妇科恶性肿瘤）患者的护理。 研究人员利用人工智能（AI）在数千张癌细胞图像中识别模式，确定了子宫内膜癌的一个独特亚群，这种亚群使患者面临更大的复发和死亡风险，但传统病理学和分子诊断学却无法识别。 研究结果发表于今日 自然通讯将帮助医生识别可从更全面的治疗中受益的高危疾病患者。 “子宫内膜癌是一种多样化的疾病，有些患者比其他患者更容易出现癌症复发，”UBC 教授兼 Chew Wei 博士妇科肿瘤学主任、BC 癌症和温哥华总医院外科科学家 Jessica McAlpine 博士说。“识别高风险疾病患者非常重要，这样我们才能进行干预并希望防止复发。这种基于人工智能的方法将有助于确保没有患者错过可能挽救生命的干预机会。” 人工智能精准医疗 这一发现以 McAlpine 博士及其不列颠哥伦比亚省妇科癌症计划同事的研究为基础。该计划是由不列颠哥伦比亚省、不列颠哥伦比亚省癌症中心、温哥华沿岸卫生局和不列颠哥伦比亚省妇女医院之间的多机构合作。他们在 2013 年帮助证明，基于癌细胞的分子特征，子宫内膜癌可分为四种亚型，每种亚型对患者的风险程度不同。 麦卡尔平博士及其团队随后开发了一种名为 ProMiSE 的创新分子诊断工具，可以准确辨别亚型。该工具目前已在不列颠哥伦比亚省、加拿大部分地区和国际范围内用于指导治疗决策。 然而，挑战依然存在。最常见的分子亚型约占所有病例的 50%，基本上是缺乏可辨别分子特征的子宫内膜癌的统称。 这一大类患者中，有些患者的治疗效果非常好，而有些患者的癌症治疗效果则非常差。但到目前为止，我们仍然缺乏识别高风险患者的工具，因此我们无法为他们提供适当的治疗。” Jessica McAlpine 博士，不列颠哥伦比亚大学教授 McAlpine 博士向长期合作者和机器学习专家、UBC 生物医学工程和病理学及实验室医学助理教授 Ali Bashashati 博士寻求帮助，尝试使用先进的人工智能方法进一步细分类别。 Bashashati 博士及其团队开发了一种深度学习 AI 模型，用于分析从患者身上采集的组织样本图像。该 AI 经过训练可以区分不同的亚型，在分析了 2,300 多张癌症组织图像后，确定了存活率明显较低的新亚型。 “人工智能的强大之处在于它可以客观地查看大量图像并识别出人类病理学家无法识别的模式，”Bashashati 博士说。“它就像大海捞针。它告诉我们，具有这些特征的癌症是最严重的罪犯，对患者的风险更高。” 将这一发现带给患者 在特里福克斯研究所的资助下，该团队目前正在探索如何将人工智能工具与传统的分子和病理诊断结合起来应用到临床实践中。 麦卡尔平博士说：“两者相辅相成，人工智能为我们现有的测试提供了额外的保障。” 基于人工智能的方法的一个好处是它具有成本效益，并且易于跨地域部署。人工智能可以分析病理学家和医疗保健提供者定期收集的图像，即使是在农村和偏远社区的小型医院，也可以在寻求第二诊断意见时共享这些图像。 分子分析和人工智能分析的结合使用可以让许多患者留在自己的社区接受强度较低的手术，同时确保那些需要在大型癌症中心接受治疗的患者能够接受治疗。 “对我们来说，真正有吸引力的是实现更大公平和可及性的机会，”Bashashati 博士说。“人工智能不会在意你是在大城市中心还是农村社区，它随时可用，所以我们希望这能真正改变我们为世界各地患者诊断和治疗子宫内膜癌的方式。” 来源： 不列颠哥伦比亚大学 2024-06-27 05:21:00 […]
简单的流感测试可以改善诊断和监测
每年只有不到 1% 的流感患者接受检测，部分原因是大多数检测都需要经过培训的人员和昂贵的设备。现在，研究人员开发了一种低成本的纸条测试，可以让更多患者了解自己患的是哪种流感，并得到正确的治疗。 该测试由麻省理工学院、哈佛大学和普林斯顿大学布罗德研究所的团队开发，并得到了美国疾病控制与预防中心的支持，利用 CRISPR 区分两种主要的季节性流感类型，即甲型流感和乙型流感，以及季节性流感亚型 H1N1 和 H3N2。它还可以识别出对抗病毒治疗有抵抗力的病毒株，经过进一步的研究，它有可能检测出猪流感和禽流感病毒株，包括目前正在感染牛的 H5N1。 出演 分子诊断学杂志研究结果可以为美国和其他国家的医生办公室和实验室提供准确、低成本、快速的检测，有助于改善疫情应对和临床护理。 “最终，我们希望这些检测能够像快速抗原检测一样简单，并且仍具有通常在实验室环境下进行的核酸检测的特异性和性能，”这项研究的共同资深作者卡梅伦·梅尔沃德 (Cameron Myhrvold) 表示。梅尔沃德与布罗德研究所成员、哈佛大学和哈佛大学陈曾熙公共卫生学院教授、霍华德·休斯医学研究所研究员帕迪斯·萨贝蒂 (Pardis Sabeti) 一起撰写了这项研究。梅尔沃德目前是普林斯顿大学的助理教授，在这项研究开始时，他是萨贝蒂实验室的博士后研究员。 点亮一盏灯 该测试基于一项名为 SHINE 的技术，该技术由 Sabeti 的实验室于 2020 年开发，使用 CRISPR 酶识别样本中病毒 RNA 的特定序列。研究人员首先使用 SHINE 检测 SARS-CoV-2，后来又用于区分 Delta 和 Omicron 变体。然后，在 2022 年，他们开始调整该检测方法以检测他们知道一直在传播的其他病毒：流感病毒。他们希望创建可以在现场或诊所而不是拥有昂贵设备的医院或诊断实验室中使用的测试。 “使用纸条读数代替昂贵的荧光机器是一个巨大的进步，不仅在临床护理方面，而且在流行病学监测方面也是如此，”这项研究的共同第一作者、哈佛医学院医学生、研究开始时 Sabeti 实验室的本科研究员 Ben Zhang 说道。 聚合酶链式反应 (PCR) 等典型诊断方法需要较长的处理时间、训练有素的人员、专业设备和将试剂储存在 -80°C 的冰箱中，而 SHINE 可在室温下进行，耗时约 90 分钟。目前，该检测仅需一个廉价的加热块来加热反应，研究人员正在努力简化流程，目标是在 […]