胰臟癌早期症狀極不明顯，有多達40%的胰腺癌患者，其病狀不易透過電腦斷層掃描(CT)而發現。近(14)日，梅奧診所(Mayo Clinic)放射科的研究團隊建構一套CT影像判讀機器學習模型，該模型可在臨床診斷中位數386天前預測導管胰腺癌(PDAC)風險，準確率達95%以上。相關研究已發表在《Gastroenterology》期刊上。
 
這項研究共使用155名PDAC患者在臨床診斷判斷為PDAC前的CT影像，與265名臨床診斷為PDAC患者的CT影像，透過機器學習(ML)－LASSO模型執行特徵選擇，該模型圈選了88個灰階影像組學(radiomic)特徵。
 
研究團隊選取其中34個特徵，並在獨立的內部數據集(n=176)和美國國家衛生研究院(NIH)公共數據(n=80)上，進一步驗證四個機器學習分類演算法： K近鄰(KNN)、支持向量機(SVM)、隨機森林(RF)、 XGBoost的準確度。
 
數據顯示，透過機器學習，患者可在臨床診斷中位時間386天前(範圍從97-1092天)，觀察到PDAC風險。而四個機器學習分類演算法中，又以SVM的靈敏度最高，其靈敏度高達95%，特異性也達90.3%。
 
值得注意的是，在機器學習判斷為「有風險」的時間點上，多數放射科醫師無法及時揪出癌症患者與胰腺正常者的差異。
 
目前梅奧診所正在進行一項大型前瞻臨床試驗，由梅奧診所名譽腸胃病學家、醫學博士Suresh Chari領軍，除了評估12,500名參與者的胰臟癌CT檢查影響，同時也進一步驗證其AI模型的效用。
 
胰臟癌目前公認最主要的非侵入性診斷方式是高階影像檢查，包括CT及磁振造影(MRI)，此兩種檢查皆須施打顯影劑來協助判讀，但有多達40%的胰腺癌患者，早期病狀不易透過影像檢查發現。
 
除影像學檢查外，通常也會定期搭配CA-19-9生物標記追蹤，以及腸胃科或一般外科醫師的詳細問診、理學檢查。
 
領導該研究的梅奧診所放射診斷師Ajit Goenka表示，這項研究證實AI模型可在癌症症狀出現前就從CT上的正常胰腺中檢測出癌症。
 
研究團隊也期望，未來機器學習模型與PDAC生物標記的搭配使用，能更準確的讓患者在手術能治癒的階段提早被診斷，以提高患者存活率。
 
 
資料來源：
https://newsnetwork.mayoclinic.org/discussion/ai-applied-to-prediagnostic-cts-may-help-diagnose-pancreatic-cancer-at-earlier-more-treatable-stage/
 
https://www.sciencedirect.com/science/article/abs/pii/S0016508522007284?via%3Dihub
 
(編譯/彭梓涵)