最近的一项研究表明，一个计算机程序利用约500,000个组织图像的数据，并通过人工智能驱动，能够有效地诊断腺癌病例，这是最常见的肺癌类型。纽约大学朗格尼健康的佩尔穆特癌症中心和格拉斯哥大学的研究人员负责开发和测试该程序。他们声称，由于该程序依赖于大数据集和先进技术，能够准确诊断腺癌。该软件分析了来自452名腺癌患者的肿瘤结构数据，这些患者是国家癌症研究所的癌症基因组图谱的一部分，该图谱包括超过11,000名患者。它为患者和肿瘤科医生提供了一个无偏见的、详细的第二意见，关于癌症的存在以及复发的预后。该程序是独立的，并自行识别出对疾病严重性和肿瘤复发影响最大的统计显著结构特征。2023年6月11日在《自然通讯》杂志上发布的一项新研究引入了一个程序，称为组织形态学表型学习（HPL），能够99%准确区分腺癌和鳞状细胞癌等类似类型的肺癌。它在预测治疗后癌症复发的可能性和时间方面的准确率为72%，超过了直接检查同一患者肿瘤图像的病理学家预测的64%准确率。研究人员声称，他们的新HPL程序有潜力显著改善癌症的诊断和预后。”提供给癌症专家及其患者一个快速且无偏见的肺腺癌诊断工具的潜力，一旦进一步测试完成，还可以用来帮助验证甚至指导他们的治疗决策，”首席研究员尼古拉斯·库德雷（Nicolas Coudray）博士表示，他是纽约大学格罗斯曼医学院和佩尔穆特癌症中心的生物信息程序员。
“患者、医生和研究人员知道他们可以依靠这种预测模型，因为它是自我学习的，提供可解释的决策，并且仅基于从每位患者的组织中提取的知识。计算机程序可以快速分析肺组织样本，以对癌症复发做出准确预测，包括有关死亡细胞、免疫细胞和肿瘤细胞密度的信息，”库德雷表示。“这比目前的肺腺癌预后预测标准更好，”该研究的共同高级研究员阿里斯托特利斯·齐里戈斯（Aristotelis Tsirigos）博士表示。齐里戈斯是纽约大学格罗斯曼医学院和佩尔穆特癌症中心的教授，同时也是精准医学的共同主任。齐里戈斯教授兼应用生物信息学实验室主任表示，随着对肺癌生物学的工具和其他进展的帮助，病理学家将从通过显微镜检查组织扫描图像转向在计算机屏幕上进行检查。随后他们将使用人工智能程序分析图像并生成他们自己的组织成分详细分解，称为“景观”。这种分解可能表明存在5%的坏死和10%的肿瘤浸润，以及这对生存率的影响。这些读数可能具有统计意义。根据该程序所有患者的数据，有80%的可能性在两年或更长时间内无癌症。
HPL程序的开发首先分析了癌症基因组图谱中的肺腺癌组织切片。由于其特征特征，如肿瘤细胞以腺泡或囊状模式聚集，并沿肺细胞的表面层有规律地扩散，因此选择腺癌作为测试模型。
通过对切片的数字扫描视觉图像进行分析，将其分为432,231个小象限。在一项新研究中，研究人员在正常和病变组织中识别出了46个关键特征，他们称之为组织形态学表型簇。其中一些特征与早期癌症复发或长期生存具有统计学关联。这些发现通过对276名在2006年至2021年间在纽约大学朗格尼接受腺癌治疗的个体的组织图像进行额外测试得到了验证。
研究人员旨在利用HPL算法为每位患者分配一个介于0和1之间的分数，指示他们在五年内生存和肿瘤复发的统计可能性。该程序旨在自我学习。研究人员强调，随着数据的积累，HPL的准确性将提高。为了与公众建立信任，研究人员已在网上公开了他们的编程代码，并打算在完成额外测试后免费发布HPL工具。
与肿瘤复发相关的因素是高水平的死亡癌细胞和淋巴细胞，以及肺内肿瘤细胞的密集聚集。另一方面，与更高生存率相关的因素是保留的肺囊组织的高百分比和低水平的炎症细胞。
齐里戈斯及其团队计划开发类似HPL的其他癌症类型程序，如乳腺癌、卵巢癌和结直肠癌。这些程序将基于每种癌症的独特形态特征和其他分子数据。此外，他们还致力于通过整合来自医院电子健康记录的其他数据，包括有关其他疾病、健康状况、收入和家庭邮政编码的信息，来提高当前腺癌HPL程序的准确性。
该研究得到了美国国家卫生研究院P30CA016087资助和英国研究委员会Ep/R018634/1的资助的支持。该研究还得到了美国国家卫生研究院/国家癌症研究所的R01 CA160674、R01 CA196643、R01 CA205150、P30 CA016087、T32 CA009161和T32 CA009161-41的资助，以及美国国防部W81XWH-13-1-0263和W81XWH-13-1-0215的资助，以及BB/V016067/1和欧洲联盟地平线2020资助的101016851。
除了齐里戈斯和库德雷，其他参与这项研究的纽约大学朗格尼研究人员包括安娜·叶顿、刘博京、霍滕斯·李、路易斯·奇里博加、阿夫琳·卡里姆汗、纳夫尼特·纳图拉、克里斯托弗·帕克、哈维·帕斯和安德烈·莫雷拉。共同首席研究员阿达尔贝托·克劳迪奥·基罗斯、共同研究员杨欣宇和约翰·勒卡斯，以及高级研究员克·袁均隶属于英国格拉斯哥大学。共同研究员大卫·摩尔隶属于英国伦敦大学学院。
