腫瘤治療或可邁入AI時代

編譯：陶白來源：腫瘤資訊

人工智慧（AI）不僅在圍棋方面聲名鵲起，它也正一步步走入醫療當中。有些人會問，在精準醫學的時代，AI是否能代替醫生，為腫瘤患者的治療做出正確的臨床決策？別急，印度班加羅爾Manipal綜合癌症中心的Sampige Prasannakumar Somashekhar教授作了一項研究，對AI和腫瘤專家委員會給出的乳腺癌患者的治療建議進行了比較。研究顯示，AI和腫瘤委員會做出的治療建議高度一致。其結果發表於1月9日的《Annals of Oncology》上。

背景和目的：

在科學證據、藥品審批和治療指南迅速更迭的情況下，乳腺癌專家正在面臨個體化治療的挑戰。例如，2017年10月，FDA批准了69種乳腺癌治療藥物，這還不包括聯合治療方案。大規模遺傳和臨床資料庫與計算系統的發展將加速乳腺癌治療的發展速度，縮短乳腺癌治療指南更新的周期。除此之外，在臨床實踐中，如何管理這些乳腺癌治療信息正面臨挑戰，也幾乎沒有時間來對其進行評估。

臨床決策支持系統（CDSS）是幫助醫生對臨床決策提供支持的計算機程序。許多CDSS從人工智慧（AI）和專家系統的早期工作中產生。為了給出臨床建議，CDSS可讓電腦模擬人類的推理來收集信息和給出建議。醫療中的AI系統一般關注於從非結構化數據（如文本（使用自然語言處理）或大型結構化數據集（使用機器學習方法））中獲取信息。通過存儲、索引和精選這些知識，AI系統隨後使用計算推理方法將其應用於具體的病例中，產生治療建議，然後再返回來為臨床醫生的決策提供評估。如今已經存在腫瘤界的CDSS，如美國臨床腫瘤學會的CancerLinq和OncoDoc。然而，據我們所知，直到IBM沃森腫瘤解決方案（WFO）出現以前，還沒有腫瘤治療選擇的認知支持方法。WFO可通過閱讀文獻、實驗方案和患者圖表及從病例報告和紀念斯隆-凱特林癌症中心專家中學習的方式獲取知識。

印度班加羅爾Manipal綜合癌症中心的Sampige Prasannakumar Somashekhar教授在該癌症中心進行了一項研究，旨在評估AI CDSS WFO和乳腺癌多學科腫瘤委員會得出的治療建議的一致性水平。

患者和方法：

2014~2016年，為在印度班加羅爾Manipal綜合癌症中心接受治療的638例乳腺癌患者提供了治療建議。2016年，為相同的病例提供了WFO治療建議。2016年，癌症中心的腫瘤委員會（MMDT）為所有未達成一致的病例進行了二次盲審，並考慮了2016年前還沒有的治療和指南。如果WFO認為腫瘤委員會的建議為「推薦」或「考慮」，則認為兩個治療建議一致。

結果：

患者平均52歲，81%的病例為非轉移性疾病。各病例中，受體狀態具有輕度差異，具有HR陽性腫瘤（41%）的患者稍多，具有HER2/ neu陽性（29%）或三陰性乳腺癌（30%）的患者稍少。

92%的乳腺癌病例的WFO和MMDT的治療建議一致研究者對腫瘤分期和受體狀態的亞組進行了治療建議一致性的亞組分析。隨著分期的不同，一致性具有差異，I期或IV期腫瘤患者（分別為80%和86%）比II期或III期腫瘤患者（分別為97%和95%）治療建議一致的可能性小。然而，受體狀態並不影響一致性，一致性的範圍從HR陽性或三陰性乳腺癌的92%到HER2/neu陽性乳腺癌的95%。當同時分析腫瘤分期和受體狀態時，HR陽性或三陰性轉移性乳腺癌患者（分別為75%和85%）比非轉移或HER2/neu陽性乳腺癌患者（94%~98%）的一致性低。

年齡的增長對治療建議一致性具有顯著的影響。除了55~64歲年齡組，其他所有年齡組與<45歲相比，治療建議的一致性都顯著性降低（P≤0.02或P<0.001）。75歲及以上患者的一致性尤其低。

總體和不同疾病分期情況下，WFO和MMDT的治療建議一致性

不同疾病分期和受體狀態下，WFO和MMDT治療建議一致性

結論：

對於本研究的乳腺癌病例，WFO和腫瘤委員會做出的治療建議高度一致。乳腺癌分期和患者年齡對一致性具有顯著影響，而受體狀態並非如此。本研究證實，人工智慧臨床決策支持系統WFO對於乳腺癌治療決策的制定是一種有力的工具，尤其在乳腺癌專家資源有限的中心。

點評

這項回顧性觀察性研究表明，WFO可與印度班加羅爾的腫瘤專家委員會做出的乳腺癌治療建議保持大部分的一致。這是非常重要的，因為該研究證實了，經過美國紀念斯隆-凱特林癌症中心腫瘤專家培訓的AI CDSS在印度可以和乳腺癌專家一樣，給出很好的治療建議。

此研究顯示，WFO和MMDT所做的治療建議中，有7%的不一致。這些不一致中的23%，是由於印度現有的治療方法未納入到美國培訓的WFO中。這可能是由於兩個國家間監管審批程序不同造成的，可通過將地區批准的治療藥物納入到專家系統知識庫中予以解決。非一致性也可因具有不同特徵的患者亞組所能承受的治療方法侵襲性的差異造成。比如，合併症負擔、年齡、患者偏好、社會支持系統水平等因素的不同，會造成患者對治療方法的選擇具有差異。事實上，此研究顯示，治療建議的一致性隨著年齡的增加而降低，尤其是老年患者。

治療不一致意味著WFO做出的治療方案未經腫瘤專家的評估，而不是做出的方案被腫瘤專家評估后予以否定。由於WFO為其決策提供了證據，因此腫瘤專家可以評估該數據，並對WFO給出的建議予以評估。在常規情況下，若WFO給出了意想不到的建議，將促使臨床醫生檢查他或她自己的證據。使用CDSS也有助於保證更規範化的治療，減少醫生因支配這個人決策的個人偏好或認知偏差而造成治療隨意性。此外，缺乏一致性並不一定表示，MMDT或WFO的治療建議誰對誰錯。如上所述，患者合併症和年齡增加等因素，都會造成治療建議不一致的情況。

此研究具有多個重要的優勢。第一，此研究納入了大量的病例，並比較了WFO和MMDT的治療建議。第二，MMD和WFO都對對方的治療建議盲，這消除了對方的建議對自己的建議造成潛在的影響。

雖然藥物可及性、治療指南和訓練計算系統的專家的判斷可影響治療建議的一致性，但是WFO都在實際的應用中保持穩健。這表明，基於AI的CDSS系統在提供乳腺癌治療建議時具有廣泛的價值，尤其對於專家資源不易獲得的情況。此外，如此種種表明，WFO可提供人工智慧計算方法，在癌症治療中是一種有效的決策支持工具。

參考文獻

Watson for Oncology and breast cancer treatment recommendations: agreement with an expert multidisciplinary tumor board

https://academic.oup.com/annonc/advance-article-abstract/doi/10.1093/annonc/mdx781/4781689?redirectedFrom=fulltext

責任編輯：腫瘤資訊-斐斐版權聲明版權屬腫瘤資訊所有。歡迎個人轉發分享，其他任何媒體、網站如需轉載或引用本網版權所有內容，須獲得授權，且在醒目位置處註明「轉自：良醫匯-腫瘤醫生APP」。

良醫匯患者指南小助手微信（huanzhezhinan2），歡迎加入患者互助群！

更多臨床試驗信息，請關注點擊鏈接查看！