EMBL的欧洲生物信息学研究所(EMBL-EBI)，惠康桑格研究所，英国剑桥的Addenbrooke医院的研究人员和合作者已经开发了一种人工智能(AI)算法，该算法使用计算机视觉分析癌症患者的组织样本。他们已经表明，该算法可以区分健康组织和癌性组织，还可以识别肿瘤中160多个DNA和数千个RNA变化的模式。这项发表在《自然癌症》上的研究强调了人工智能在改善癌症诊断，预后和治疗方面的潜力。

癌症的诊断和预后主要基于两种主要方法。在其中之一中，组织病理学家在显微镜下检查了癌组织的外观。另一方面，癌症遗传学家分析癌细胞遗传密码中发生的变化。两种方法对于理解和治疗癌症都是必不可少的，但很少一起使用。

“临床医生一直在使用显微镜载玻片进行癌症诊断。但是，这些载玻片的全部潜力尚未被挖掘出来。随着计算机视觉的发展，我们可以分析这些载玻片的数字图像，以了解在分子水平上会发生什么。” EMBL-EBI的Gerstung集团的博士后研究员Yu Fu说。

计算机视觉算法是一种人工智能形式，可以识别图像中的某些特征。Fu和同事们重新利用了Google开发的这种算法-最初用于对柠檬，太阳镜和散热器等日常物体进行分类-区分健康组织中的各种癌症。他们表明，该算法还可用于预测肿瘤组织图像的存活率，甚至预测DNA和RNA变化的模式。

教授检测分子变化的算法

先前的研究已经使用类似的方法来分析来自具有选定分子改变的一种或几种癌症类型的图像。但是，Fu及其同事将这种方法推广到了前所未有的规模：他们使用来自The Cancer Genome Atlas的28种癌症类型的17,000张图像对算法进行了训练，并研究了所有已知的基因组改变。

EMBL-EBI小组负责人Moritz Gerstung解释说：“非常引人注目的是，我们的算法可以自动将几乎所有肿瘤的组织学表现与一系列广泛的分子特征以及患者生存率联系起来。”

总体而言，他们的算法能够检测167种不同突变和数千种基因活性变化的模式。这些发现详细显示了遗传突变如何改变肿瘤细胞和组织的外观。

另一个研究小组使用适用于八种癌症类型图像的类似AI算法独立验证了这些结果。他们的研究发表在同一期《自然癌症》上。

个性化医学的潜在工具

分子和组织病理学数据的整合提供了更清晰的肿瘤图谱。检测与单个肿瘤相关的分子特征，细胞组成和存活率将有助于临床医生为患者量身定制合适的治疗方法。

“从临床医生的角度来看，这些发现令人难以置信。我们的工作表明如何在临床实践中使用人工智能，”惠康桑格研究所和阿登布鲁克医院的临床科学家和病理学家Luiza Moore解释说。“尽管全球癌症病例的数量正在增加，但病理学家的数量却在下降。与此同时，我们努力从'千篇一律'的方法转向个性化医学。数字病理学和人工智能相结合可以缓解这些压力并增强我们的服务和患者护理。”

测序技术已将基因组学推到了癌症研究的最前沿，但是，全球大多数诊所仍无法获得这些技术。直接测序的一种可能替代方法是使用AI使用更便宜的数据(例如显微镜载玻片)来模拟基因组分析。