國際生醫新聞

秒速閱讀: 最近AI很夯! 其實統計模型之預測只是一個大數據相關性的分析，不可能有百分之百的準確預測，因為不但個人有其特異性，周遭環境和習慣等都會有影響。試問某大醫院研發出來的AI診斷(綜合許多變數+變數權重等模型)，其他醫院會欣然接受這些"變數和權重分析"模型之預測 ? 文章的最後一段就提醒，「高風險」，也不應被解讀為「未來一定會罹患胰腺癌」，但仍不失為一個追蹤謹慎的方向。

哈佛大學醫學院和哥本哈根大學的研究人員發表在《Nature Medicine》上的研究成果中指出，他們開發的一種AI人工智慧模型，可以透過「只分析患者的醫療記錄」，就在「診斷出胰腺癌之前三年內」成功識別出胰腺癌的最高風險人群。

在這項研究中，人工智慧演算法在來自丹麥和美國、共計 900 萬份患者記錄的兩個獨立的資料庫上進行訓練。研究人員最初設計了幾個版本的模型，在丹麥國家衛生系統的 620 萬名患者的健康記錄中進行訓練，資料橫跨長達 41 年；其中，有 23,985 人隨著時間的推移被確認罹患胰腺癌。

在訓練過程中，該演算法根據疾病軌跡辨別出「可指示未來患胰腺癌風險」的模式，也就是，透過「患者是否有某些病症、並在一段時間內以某種順序發生」，可識別出胰腺癌罹患風險。例如：膽結石、貧血、第二型糖尿病和其他與消化道有關的問題等，暗示著在評估的未來三年內有較高的胰腺癌發生風險；而若有胰腺炎症，則是在未來兩年內有罹患胰腺癌的高風險。值得注意的是，許多症狀和疾病與胰腺並沒有直接關係、也不是源於胰腺。

接下來，研究人員利用美國退伍軍人健康管理局一個包含近 300 萬名患者健康記錄、時間橫跨 21 年的資料庫進行驗證；該資料庫中則是包含了 3,864 名被診斷為胰腺癌的患者。

在美國的資料庫上，該工具的預測準確性略低。但若將該演算法在美國的資料庫上重新訓練時，則可提高預測準確性。研究人員表示，這凸顯了兩個重要的問題：(1) 必須確保人工智慧模型是在高品質和豐富的資料上訓練；(2) 該模型未來還需要獲得國家和國際上匯總的大型代表性臨床記錄資料庫進行訓練，才能獲得更適用於全球各人群的預測模型；在此之前，該人工智慧模型仍應以當地的健康資料庫進行訓練，以確保適用於當地人口。

目前對於某些較常見癌症的篩查，都有相對簡單且準確率高的技術，藉此早期發現、並在最可治療的階段進行干預，大幅改善預後。相較之下，胰腺癌的篩查和測試更難、也更昂貴，因此，我們亟需一種能識別胰腺癌高風險人群的工具，協助臨床醫師對正確人群進行檢測，也避免讓低風險者進行不必要的檢查。

一般而言，醫師會以家族史和是否存在基因突變為依據，判斷是否進一步檢查，此二者雖是重要風險指標，但實際上許多高危險患者根本不知道他們的遺傳狀態或家族史，所以往往會漏診許多患者。而上述這個人工智慧模型的一個特別優勢在於，它可以用於有健康記錄的任何人，不僅限於有家族史或基因突變者。

不過，研究人員提醒，人工智慧模型的分析結果若指向「高風險」，也不應被解讀為「未來一定會罹患胰腺癌」、或認定這之間的因果關係；不過，這仍可為疾病追蹤提供線索，並提醒醫師密切監測高風險民眾，或進行適當的檢查，這對於防治有「癌王」之稱的胰腺癌，將是格外有價值！

延伸閱讀：《胰臟癌》患者有 25% 被診斷出罹患糖尿病，糖尿病診斷是否有助於早期發現胰臟癌？
延伸閱讀：《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！

資料來源：Harvard Medical School、Biospace