患者也很少在早期涌现症状，这意味着大多数病例被确诊时已处于晚期，乃至已经扩散到身体的其他部位，也使得它更难被治愈。
因此，我们要尽可能早地创造胰腺癌。

（来源：AI 天生，图文无关）

美国麻省理工学院打算机科学和人工智能实验室（CSAIL，Computer Science and Artificial Intelligence Laboratory）的研究职员与美国波士顿贝斯以色列女执事医疗中央的科学家利莫尔·阿佩尔鲍姆（Limor Appelbaum）互助，开拓了一种人工智能系统，可以预测患者患上最常见的胰腺癌“胰腺导管腺癌”的可能性。
干系论文最近揭橥在 eBioMedicine 上。

该系统的表现优于当前的诊断标准（流程）。
如果有朝一日可以在临床环境中利用，以确定哪些患者可以从早期筛查或检测中受益，就可以更早地创造疾病并挽救生命。

研究职员的目标是建立一个模型，能预测患者在未来 6 至 18 个月内确诊胰腺导管腺癌的风险，从而使早期检测和治愈的可能性变得更大。
为了开拓这个模型，他们筛查了现有的电子康健记录。

由此出身的系统名为 PRISM，由两个人工智能模型组成。
第一种模型利用神经网络识别数据中的模式，所利用的数据包括患者的年事、病史和实验室检测结果，然后打算每个患者的风险评分。

第二个人工智能模型利用了相同的数据来天生一个分数，但利用了更大略的算法。

研究职员向这两个模型供应了 600 万份来自美国 55 个医疗保健组织的匿名电子康健记录，个中 35387 份是胰腺导管腺癌病例。

在 90 天的韶光里，该团队利用这些模型每天评估一次患者的胰腺导管腺癌风险，直到没有足够的数据或患者被确诊为胰腺癌。
他们对所有参与的患者进行了随访，从第一次风险评估后的 6 个月到末了一次风险评估前的 18 个月，看看他们在两段韶光里是否被诊断为胰腺导管腺癌。

在发展成癌症的患者中，有 35% 的人在确诊前的 6 至 18 个月被神经网络识别为高危人群。
论文作者表示，这一成绩远超目前的筛查系统。

对付大多数普通人群来说，目前还没有好用的胰腺癌常规检讨（不像乳腺癌或结肠癌），通过现有的标准筛查办法只能创造大约 10% 的病例。

约翰·霍普金斯大学医学院的病理学教授和胰腺癌专家迈克尔·高金斯（Michael Goggins）表示，考虑到尽早创造这种疾病的主要性，该系统看起来很有希望。

他说：“可以预见，这样的模型将改进当前的（诊断）形势。
但要产生足够大的影响，还须要很永劫光。
”

他说，一些人可能在 6 到 18 个月的窗口期内发展到癌症晚期，这意味着在他们接管癌症风险评估时，有效的治疗手段可能为时已晚。

麻省理工学院的电气工程和打算机科学教授麦丁·瑞纳德（Martin Rinard）表示，这项研究的分外之处在于它是回顾性的，着眼于现有数据，并让模型进行假设预测。

但是该团队已经开始进行一项新研究。
这项新研究将网络现有患者的数据，打算他们的风险成分，然后等着不雅观察模型预测的准确性。

瑞纳德表示在过去，利用特定医院的数据构建的其他人工智能模型，有时换了另一家医院的数据就会表现不佳。
导致这种征象的缘故原由可能有很多，例如不同的人群、医疗程序和临床实践。

他说：“由于我们所节制的数据基本上覆盖了相称一大部分美国人，我们希望该模型能更好地在各个组织中发挥浸染，而不是与特定组织挂钩。
也正由于我们与许多组织互助，它们为我们供应了更多的演习数据。
”

阿佩尔鲍姆则表示，PRISM 未来有两种利用办法。

首先，它可以帮助筛选出适宜进行胰腺癌检测的患者。
其次，它可以供应更广泛的筛查类型，让没有症状的人进行血液或唾液检测，以确定他们是否须要进一步检测。

她补充道：“有数以万计的对应不同癌症的模型，但个中大多数都勾留在文献中。
我认为我们有办法把它们带到临床实践中，这便是我开始这统统的缘故原由，这样我们就可以把它们交到人们手中，并尽早创造癌症。
这可能会挽救很多人的生命。
”

作者简介：丽亚农·威廉（Rhiannon Williams）卖力撰写《麻省理工科技评论》的 Download 栏目，同时她也是一名***。
在加入《麻省理工技能评论》之前，她是 i newspaper 的技能和《逐日电讯报》（Telegraph）的科技。
她曾入围 2021 年英国***奖，并定期作为专家涌如今 BBC。

支持：Ren

排版：朵克斯