个性化医学专注于为每位患者定制治疗方案。到目前为止，这通常依赖于有限的因素来预测疾病的发展。然而，这些有限因素往往无法捕捉到像癌症这样的疾病复杂的本质。杜伊斯堡-埃ssen大学医学院、慕尼黑大学和柏林技术大学柏林学习与数据基础研究所（BIFOLD）的研究团队通过人工智能（AI）提出了一种新颖的解决方案来应对这一挑战。
利用埃ssen大学医院先进的医疗基础设施，研究人员已经结合了多种数据来源——如病历、实验室结果、影像学和基因分析——以增强临床决策。“尽管现代医疗保健中有大量的临床数据，但真正个性化医学的承诺往往无法实现，”埃ssen大学医院人工智能医学研究所（IKIM）和科隆埃ssen癌症研究中心（CCCE）的Jens Kleesiek教授指出。当前的肿瘤学实践往往依赖于僵硬的评估系统，例如癌症分期分类，这些系统忽略了个人差异，如性别、营养健康或既往病史。“现代AI技术，特别是可解释的人工智能（xAI），能够分析这些复杂的关系，显著增强癌症治疗的个性化，”来自慕尼黑大学病理学研究所、BIFOLD研究组负责人的Frederick Klauschen教授表示，该方法与Klaus-Robert Müller教授一起开发。
在发表在《Nature Cancer》上的一项新研究中，该AI系统在超过15,000名患有38种实体肿瘤的患者的数据上进行了训练。该研究探讨了350个不同参数之间的相互作用，包括临床信息、实验室结果、影像数据和遗传肿瘤信息。“我们识别出驱动神经网络大部分决策的关键因素，以及这些参数之间的许多重要相互作用，”人工智能医学研究所（IKIM）临床科学家Julius Keyl博士解释道。
随后，利用超过3,000名肺癌患者的数据验证了该AI模型，以确认识别出的相互作用。通过综合这些数据，AI为每位患者生成全面的预后。作为一种可解释的AI，该模型通过说明每个因素如何影响预后，为临床医生提供透明性。“我们的发现展示了AI分析临床数据的能力，考虑到背景而非孤立，使得能够重新评估并实现个性化、数据驱动的癌症治疗，”来自慕尼黑大学的Philipp Keyl博士说。这种AI方法在急救情况下也可以适用，在这些情况下，迅速评估诊断参数的整体至关重要。研究人员还计划探索不同类型癌症之间的复杂相互作用，这是传统统计方法所忽视的。“在国家肿瘤疾病中心（NCT），与巴伐利亚癌症研究中心（BZKF）等其他肿瘤网络的合作中，我们拥有推进工作的理想环境：在临床试验中展示我们技术的实际好处，”NCT西部站的常务董事、埃ssen大学医院医学肿瘤学科主任Martin Schuler教授补充道。
