引領趨勢

哥本哈根大學、哈佛大學以及麻省理工學院所組成的研究團隊，在今年的美國癌症研究協會 (AACR) 年會上，發布了一種人工智慧 (AI) 模型，可透過電子健康記錄 (HER) 中、有時間順序的健康資訊來識別罹患胰腺癌風險較高 (25 倍) 的患者。

科學家使用了丹麥國家患者登記處 (DNPR) 的資料，其中涵蓋了 1977 年至 2018 年間接受治療的 860 萬名患者電子健康記錄 (HER)；在這之中，大約有 4 萬名患者後來罹患了胰腺癌。最後，研究人員測試了 4 個機器學習模型，其中 2 個與時間相關 (gated recurrent unit 與 transformer)、2 個則否 (bag of words 與 multilayer perceptron)。這些模型是根據病人臨床病歷中疾病發生的時間順序所訓練，研究人員測試了這些模型在風險評估後 3 個月至 60 個月內，預測胰腺癌發生的能力。

其中，對於 36 個月內發生胰腺癌的預測，表現最好的模型是「transformer」 [ROC 曲線下面積 (AUROC) 為0.88，20% 召回率 (recall) 的勝算比 (odds ratio, OR) 為 47.5，10% 召回率之 OR 則為 159.0]。且當研究人員使用麻省總醫院布裡格姆醫療系統的 HER 資料進行驗證時，「transformer」模型的準確率也是相當的 (AUROC 為 0.87，20% 召回率的 OR 為 112.0，10% 召回率的 OR 為 162.4)。

胰腺癌的初期的患者可以透過手術、化療和放療組合進行治療，然而，面對胰腺癌時最大的挑戰就在於如何早期識別、診斷出患者。因此，研究人員認為，此模型將可協助臨床醫生識別出胰腺癌的高風險族群，好讓這些高風險者加入預防或監測計畫，以實現胰腺癌的早期診斷與治療。

延伸閲讀:《胰臟癌》胰腺癌患者新希望！化療後使用 AIM ImmunoTech 的「Ampligen」，初步試驗結果可延長患者壽命！
延伸閲讀:《AI》羅氏與必治妥施貴寶合作，將透過數位病理學解決方案推動個人化醫療

資料來源：Cancer Therapy Advisor、Inside Precision Medicine