人工智能以惊人的准确度预测儿童脑肿瘤复发

发布时间：2025-04-28 06:59:55  浏览量：18

时间学习助力人工智能检测儿童脑肿瘤复发，准确率高达 89%，有望减少不必要的扫描，实现更早的治疗

研究人员开发了一种人工智能系统，利用连续的MRI扫描来预测儿童脑肿瘤复发。通过应用一种新颖的“时间学习”方法，该算法处理多张治疗后图像，其性能显著优于传统的单次扫描模型。

该方法有望减少不必要的影像学检查，减轻家属的焦虑，同时在复发风险较高时能够更早、更有针对性地进行干预。预计临床试验将在现实环境中验证其有效性。

人工智能 (AI) 在分析大量医学影像方面的价值日益凸显，它常常能发现人类专家可能忽略的模式。在儿童脑癌治疗中，AI 有望改善医生对胶质瘤患儿的监测方式。胶质瘤是一种通常可治愈但有时治疗后会复发的脑肿瘤。

麻省总医院布莱根分校的研究人员与波士顿儿童医院以及丹娜—法伯/波士顿儿童医院癌症和血液病中心合作，开发了一套深度学习系统，用于分析治疗后进行的一系列脑部扫描。该人工智能系统经过训练，可以识别肿瘤复发的早期迹象。他们的研究成果最近发表在《新英格兰医学杂志·人工智能》上。

“许多儿童胶质瘤仅通过手术即可治愈，但一旦复发，后果可能不堪设想，”通讯作者、麻省总医院布莱根医疗中心人工智能医学 (AIM) 项目和布莱根妇女医院放射肿瘤科的医学博士本杰明·坎恩 (Benjamin Kann) 说道：“很难预测哪些患者可能有复发风险，因此患者需要接受多年的频繁磁共振 (MR) 成像随访，这个过程会给患儿及其家庭带来压力和负担。我们需要更好的工具来及早识别哪些患者的复发风险最高。”

由于儿童癌症相对罕见，此类研究常常因数据有限而面临挑战。为了克服这一挑战，研究人员与美国各地的机构合作，汇编了来自 715 名儿童的近 4000 张MRI扫描图像的数据集。为了充分利用这些数据，他们使用了一种名为“时间学习”的方法。这种方法通过检查儿童手术后脑部扫描图像随时间的变化来训练人工智能识别模式，从而提高其预测肿瘤是否可能复发的能力。

通常，医学成像的人工智能模型被训练成根据单次扫描得出结论；而时间学习此前从未用于医学成像人工智能研究，随着时间的推移，获取的图像可以为算法预测癌症复发提供信息。为了开发时间学习模型，研究人员首先训练该模型按时间顺序对患者术后磁共振扫描进行排序，以便该模型能够学习识别细微的变化。在此基础上，研究人员对模型进行微调，以便在适当的情况下将变化与后续癌症复发正确关联。

最终，研究人员发现，时间学习模型能够预测治疗后一年内低级别或高级别胶质瘤的复发情况，准确率为 75 % 至 89%，远高于基于单张图像的预测准确率（约为 50%）（与概率无关）。为 AI 提供治疗后更多时间点的图像可以提高模型的预测准确率，但只需四到六张图像，这种改进就会达到稳定状态。

研究人员提醒，在临床应用之前，还需要在其他环境中进行进一步验证。最终，他们希望启动临床试验，看看基于人工智能的风险预测能否改善治疗方案——无论是通过降低最低风险患者的影像检查频率，还是通过针对性辅助疗法预先治疗高风险患者。

“我们已经证明，人工智能能够有效地分析和预测多幅图像，而不仅仅是单次扫描，”麻省总医院布莱根分院AIM项目和布莱根放射肿瘤科的第一作者、理学硕士迪维扬舒·塔克(Divyanshu Tak)说道：“这项技术可以应用于许多需要患者进行连续纵向成像的场景，我们非常期待看到这个项目将带来怎样的启发。”

作者身份：除了 Kann 和 Tak 之外，Mass General Brigham 的作者还包括 Biniam A. Garomsa、Anna Zapaishchykova、Zezhong Ye、Maryam Mahootiha、Tafadzwa Chaunzwa、Hugo JWL Aerts 和 Daphne Haas-Kogan。其他作者包括 Sridhar Vajapeyam、Juan Carlos Climent Pardo、Ceilidh Smith、Ariana M. Familiar、Kevin X. Liu、Sanjay Prabhu、Pratiti Bandopadhayay、Ali Nabavizadeh、Sabine Mueller 和 Tina Y. Poussaint。

资金来源：本研究部分由美国国立卫生研究院/美国国家癌症研究所 (NIH/NCI)（U54 CA274516 和 P50 CA165962）以及 Botha-Chan 低级别胶质瘤联盟资助。我们还要感谢儿童脑肿瘤网络 (CBTN) 提供的影像和临床数据。

参考文献：“利用时间深度学习对儿科神经胶质瘤进行纵向风险预测”，作者：Divyanshu Tak, MS、Biniam A. Garomsa, MS、Anna Zapaishchykova, MS、Zezhong Ye, Ph.D.、Sridhar Vajapeyam, Ph.D.、Maryam Mahootiha, MS、Juan Carlos Climent Pardo, MS、Ceilidh Smith, BS、Ariana M. Familiar， Ph.D.、Tafadzwa L. Chaunzwa, MD、Kevin X. Liu, MD、D.Phil.、Sanjay P. Prabhu, MBBS、Pratiti Bandopadhayay, MD、Ali Nabavizadeh, MD、Sabine Mueller, MD、Ph.D.、Hugo JWL Aerts, Ph.D.、Daphne Haas-Kogan, MD、MBA、Tina Y. Poussaint, MD 和本杰明H. Kann，医学博士，2025 年 4 月 24 日，NEJM AI。DOI：10.1056/AIoa2400703