对于一小部分癌症患者，医生无法确定疾病起源于身体的哪个部位。
为了帮助查明未知原发癌症(CUP)的起源，麻省理工学院(MIT)的研究人员创建了一个人工智能模型，该模型可以分析患者的遗传信息，并预测肿瘤最初出现的位置。
根据发表在《自然医学》上的一项研究，研究人员在对900名来历不明的癌症患者使用新的人工智能模型时发现，他们可以准确地对至少40%的肿瘤进行分类。
研究人员说，这些信息可以帮助医生为这些癌症患者推荐最有效的治疗方法。
“我们的研究表明，我们开发的人工智能模型OncoNPC可以利用常规收集的基因组数据来帮助未知原发性癌症(CUP)肿瘤患者的临床决策，这些肿瘤通常难以诊断，治疗选择有限，”麻省理工学院电气工程和计算机科学研究生Intae Moon告诉福克斯新闻数字。他是该研究的主要作者。
“我们证明了CUP肿瘤与其预测的癌症类型具有相同的遗传和预后特征，并且可能受益于onoNPC预测指导的现有治疗方法。”
研究人员还发现，如果癌症的起源被发现，15%的患者本可以接受靶向治疗。
尽管研究人员使用了来自多个中心的数据来训练人工智能模型，但穆恩指出，用于详细分析的临床数据仅来自一个机构。
这可能会限制研究结果在其他情况下的适用性。
Moon说:“另一个限制是，训练数据中有很大一部分(83.2%)的患者是白人，这可能意味着该工具对白人患者可能更准确。”
“尽管它在其他种族中仍然表现良好，但需要进行更彻底的调查，以确保该模型使不同的患者群体受益。”
此外，只有22种最常见的癌症类型被考虑用于肿瘤分类，这意味着如果肿瘤属于未列出的类型，预测可能不太确定。
文在寅说:“我们希望随着收集和收集更全面的数据，逐步解决这个问题。”
跟上最新的晚间更新。
“最后，尽管我们的研究结果表明，通过我们的算法分类的CUPs患者对‘匹配’治疗有更好的临床反应，但这最终仍然是一项回顾性分析，”他补充说。
“需要一项前瞻性随机研究来证实这种关系是因果关系。”
穆恩指出，研究人员认为oncoNPC是一种与传统癌症治疗相结合的算法，而不是替代方法。
“在不同的机构中验证我们的研究结果很重要，我们认为这是关键的下一步，”他说。
“从长远来看，我们希望这能激发更多对CUPs异质性的研究，并带来更多的治疗选择。”
展望未来，研究人员希望整合病理图像和临床记录等非结构化数据，使人工智能能够更全面地了解肿瘤。
“这可能会提高它在各种任务中的能力，包括直接预测生存和最佳治疗，”Moon说。
戴廷龙博士是马里兰州巴尔的摩市约翰霍普金斯大学凯里商学院的运营管理和商业分析教授，他没有参与麻省理工学院的研究。但他说，他认为这项研究是“为来历不明的癌症患者确定最佳治疗方案的重要一步”。
“这些发现令人鼓舞，它们为我们如何处理这种复杂的病例提供了重要的见解，”他告诉福克斯新闻数字频道。
“然而，应该指出的是，该研究的回顾性性质意味着它需要通过实地研究进一步验证，以评估其在现实世界中的表现。”
当谈到在现实世界中使用这种方法时，戴说，医生如何在日常实践中整合和使用这些模型是一个关键因素。
他说:“他们对该模型的接受和有效纳入对于将证据转化为可操作的战略至关重要。”
戴重申，结合非结构化数据，如病理图像，可以增加更多的信息层，提高预测的准确性。
他补充说:“多个数据源的集成几乎肯定会产生更健壮的方法。”
