原發(fā)不明癌癥是一組非常神秘的癌癥診斷形式，即腫瘤起源的主要原發(fā)性位點(diǎn)并不能被確定，這對(duì)于科學(xué)家們而言是一項(xiàng)巨大的挑戰(zhàn)，因?yàn)楝F(xiàn)代的治療方法主要針對(duì)原發(fā)性腫瘤;最近的研究集中在使用基因組學(xué)和轉(zhuǎn)錄組學(xué)來(lái)識(shí)別腫瘤的起源;然而基因組的檢測(cè)并不總是能奏效，而且在較低資源環(huán)境中缺乏一定的臨床滲透性。

為了改善復(fù)雜轉(zhuǎn)移性癌癥患者的診斷，科學(xué)家們通過(guò)研究開發(fā)出了一種人工 智能系統(tǒng)，其能利用常規(guī)獲得的組織學(xué)切片來(lái)準(zhǔn)確尋找轉(zhuǎn)移性腫瘤的起源，同時(shí)還能產(chǎn)生一種“鑒別診斷”策略，用于對(duì)原發(fā)性不明癌癥患者進(jìn)行診斷。

這項(xiàng)研究中，研究人員開發(fā)的人工 智能系統(tǒng)就能夠幫助改善復(fù)雜轉(zhuǎn)移性癌癥患者的診斷，尤其是在低水平資源的地區(qū);其能利用常規(guī)獲得的組織切片來(lái)尋找轉(zhuǎn)移性腫瘤的起源，同時(shí)還能針對(duì)原發(fā)不明原因的癌癥患者產(chǎn)生一種鑒別診斷策略。

文章通訊作者指出，幾乎每一名接受癌癥診斷的患者都會(huì)有一張組織學(xué)切片，這在一百多年來(lái)一直是診斷的標(biāo)準(zhǔn)，本文研究就為科學(xué)家們提供了一種方法來(lái)利用普遍獲得的數(shù)據(jù)和人工 智能的強(qiáng)大力量，幫助改善這些通常需要大量診斷工作的復(fù)雜癌癥病例的診斷。

研究人員所開發(fā)的這種基于深度學(xué)習(xí)的算法被稱之為TOAD 算法能同時(shí)識(shí)別腫瘤到底是原發(fā)性的還是轉(zhuǎn)移性的，還能預(yù)測(cè)其起源的位點(diǎn)。研究人員利用來(lái)自超過(guò)2.2萬(wàn)名癌癥病例的腫瘤千兆像素病例學(xué)全切片來(lái)訓(xùn)練這種模型，隨后在大約6500個(gè)已知的原發(fā)病例中檢測(cè)TOAD算法，并分析越來(lái)越復(fù)雜的轉(zhuǎn)移性癌癥病例，以此來(lái)建立針對(duì)原發(fā)不明癌癥的人工 智能模型。

對(duì)于已知原發(fā)性起源的腫瘤而言，該模型能準(zhǔn)確地在83%的時(shí)間里正確識(shí)別癌癥，并在96%的時(shí)間里將診斷列入前三名的預(yù)測(cè)結(jié)果中。隨后研究人員在317例原發(fā)不明癌癥病例中檢測(cè)了該模型，并對(duì)病例進(jìn)行了鑒別診斷，結(jié)果發(fā)現(xiàn)，TOAD診斷在61%的時(shí)間里與病理學(xué)家的報(bào)告一致，在82%的病例中與前三名預(yù)測(cè)結(jié)果一致。

TOAD算法或能作為一種輔助診斷工具來(lái)用于針對(duì)復(fù)雜的轉(zhuǎn)移性腫瘤和原發(fā)不明癌癥類型進(jìn)行鑒別診斷，并能與輔助檢查和廣泛的診斷檢查聯(lián)合使用來(lái)減少原發(fā)不明癌癥的發(fā)生率。