本文重點
- 台灣大腸癌發生率居世界之冠,全球第三大常見癌症及癌症死亡第二大原因。
- 早期大腸癌患者多依賴醫師經驗評估,無法精確預測腫瘤進展與惡化。
- 成大資訊團隊與美國生醫團隊開發可解釋AI學習框架,提升大腸癌治療效果。
- AI框架無需昂貴基因定序,成功預測關鍵遺傳畸變、基因表現譜、整體生存期和無疾病存活期。
- 跨國研究歷時兩年,參與人員共21位,包括美國生醫團隊15位及成大資訊團隊六位。
- 將免費公開所有AI預測軟體及工具,造福病患。
早期患者多是由病理科醫師根據經驗評估癌症組織變異,無法精確預測腫瘤的進展與惡化,使得治療成果有些「碰運氣」。很少人知道,若能早期發現,大腸癌其實是最能夠治癒的癌症。
因此,成大資訊團隊與美國生醫團隊合作,開發了一個可解釋的AI學習框架,無需複雜且昂貴的基因定序,就能以病理切片,系統性辨識組織病理學、多體學(Multiomics)和患者存活結果間的關係,是數位病理科技上一大革命,也躍登重要期刊《自然通訊》(Nature Communications)。
這個研究成功的關鍵,在於使用先進的數位病理技術——想像電影〈侏羅紀公園〉 裡被鑲嵌在琥珀中的蚊子,透過牠,能清楚解析腫瘤切片的所有細節與特性;醫師不再只能猜測患者存活率,而能用AI系統清楚解釋患者預後與病理切片的關聯性,大大提升臨床決策。
對臨床預後不佳(即治療結果預估不理想)的患者,腫瘤科醫師可提供更積極的治療方案,或全新臨床試驗的機會。
成大團隊開發可解釋AI學習框架,不再需要複雜且昂貴的基因定序,僅以病理切片,就能清楚解釋患者預後。圖片來源:Shutterstock
在研究中,我們成功預測了大腸直腸癌患者的關鍵遺傳畸變、基因表現譜、整體生存期和無疾病存活期,並找出他們與病理切片檢查間明確的關聯。團隊的研究結果也證實,這些生物標記與免疫細胞的相關性;並揭示在預測多體學研究上,病理切片將可提供免疫治療的應用。(延伸閱讀|小港醫院院長郭昭宏:智慧醫療是方法,提升品質是目的)
這個跨國研究歷時兩年,參與人員共21位,包括美國生醫團隊15位及成大資訊團隊2位。
我是電腦科學家,但也能在《細胞》(Cell)《自然》(Nature)《美國國家科學院院刊》(PNAS)等頂尖醫學期刊發表論文。這次除了擔任通訊作者,本論文前五位作者皆為我指導的成大學生。
更值得一提的是,成大團隊此次投入的研究經費僅數萬美元,但整體資料集及實驗費用投資應在百萬美元之譜,差異懸殊;嚴格說起來,成大資訊團隊貢獻的是「金頭腦」,用少少的經費,做出最頂尖的研究。
我們建置這個AI框架後,也與其他國際知名生醫團隊合作,如哈佛大學醫學院助理教授余坤興、波士頓布萊根婦女醫院(Brigham and Women's Hospital)病理科、波士頓丹娜法伯癌症研究所(Dana-Farber Cancer Institute)等單位研究人員,提供長達28年的資料集,進行多重世代驗證及研究意見。
最後,分享一個研究背後的辛酸故事。
兩年前,我以這個前瞻構想申請科技部計劃,不幸被審查委員婉拒;有整整六個月,發不出薪水以及獎學金給助理和研究生,也無法買計算設備,只好轉而使用免費的全球公開生醫資料。所幸後來被國科會AI重點計劃相中,爭取到每年有新台幣300萬元補助的「AI技術攻堅計劃」,研究才得以繼續。
因此,我們也將免費公開所有AI預測軟體及工具,讓各醫院都能自由運用,造福病患。(延伸閱讀|讓國旗登上WHO主辦的黑客松!AI一秒判讀新冠肺炎X光 成大擊敗全球1000多隊奪勝)
註:《自然通訊》(Nature Communications)期刊在2021年的期刊影響力指標(Impact Factor)為17.694,其五年影響力指標(近五年統計至2021的期刊影響力指標)為17.764,在跨科學領域排名前2.5%。