卵巢癌是一種較為常見的癌症，常發生於更年期後或有家族史的女性。卵巢癌的遠期生存率較差，通常僅有35%-40%。因此，很多臨床醫生都希望能更準確地判斷卵巢癌患者在接受治療後健康狀況的變化，以助於他們更好地制定治療方案。
為解決這個問題，帝國理工學院和墨爾本大學的研究人員開發出了一款新的AI系統TEXLab，以期解決卵巢癌預後難以判斷的問題。研究和試驗相關的論文近日發表在《Nature Communications》上。
圖片來源：Pixabay
診斷卵巢癌的傳統方法之一是檢驗血液中的CA125標記物，之後通過CT掃描詳細地檢查腫瘤的生長和擴散情況，並針對病情制定出合適的治療方案，如手術或化療等。然而，現有的診療手段無法預判患者在接受治療後健康狀況的變化。
研究人員收集了2004-2015年間364位上皮性卵巢癌患者的CT掃描影像和和組織樣本，用於TEXLab的研發。參與試驗的患者來自英國漢默史密斯醫院（Hammersmith Hospital）。
該AI平臺檢定了四項會影響生存率的生理指標：腫瘤的結構、形狀、大小、基因組成。通過這四項指標，TEXLab可以得出一個非侵入性彙總統計量“影像組學預後向量（Radiomic Prognostic Vector, RPV）”來評估疾病的嚴重程度和預後情況，分數越高則病情越嚴重。
研究發現，用AI算分得出的患者生存期評估比基於血檢並人工計算的預估精確四倍以上。同時，研究人員還發現，在RPV得分較高的組別中，有5%的患者生存期少於兩年。高RPV得分的患者化療耐藥性更強，手術效果也較差。這表明，RPV得分可以作為潛在的預判患者治療效果的生理指標。
另外，試驗還進行了基因、轉錄組學和蛋白質組學分析。通過對兩個互相獨立資料庫中資料的分析，說明了間質表型（stromal phenotype）和DNA損傷所對應的通路會影響腫瘤的RPV分數分級。
論文的通訊作者，帝國理工學院癌症藥理學和分子成像學教授Eric Aboagye博士認為，新的AI系統可以用於確認那些不適於常規癌症療法的患者，併為他們提供其他替代方案。
接下來，研究團隊會開展更大規模的研究，檢驗AI是否能準確預測手術和/或藥物治療後患者健康狀況的變化。
新AI系統將會為卵巢癌預後生存期提供更準確的預測，有利於醫生為患者進行個性化的治療，改善患者的健康和生活狀況。
參考資料：
[1] Lu, et al. (2019). A mathematical-descriptor of tumor-mesoscopic-structure from computed-tomography images annotates prognostic-and molecular-phenotypes of epithelial ovarian cancer. Nature Communications, DOI: 10.17632/4c5znk5m8t.2
[2] Artificial intelligence can predict survival of ovarian cancer patients. Retrieved Feb 20, 2019 from https://www.eurekalert.org/pub_releases/2019-02/icl-ai021319.php