如何用自然語言處理并預測癌癥擴散

皇后大學的研究人員 Amber Simpson 和 Farhana Zulkernine 以及放射科醫生 Richard Do（紐約紀念斯隆凱特琳癌癥中心），正在開發技術，使用自然語言處理預測癌癥將如何在患者體內擴散。

自然語言處理 (NLP) 用于對計算機進行編程，以處理和分析來自人機交互的大量語言數據。Simpson 博士（計算機學院；生物醫學和分子科學學院）和 Zulkernine 博士（計算機學院）利用 NLP 的數據抓取能力，將該技術應用于 CT 掃描以預測癌癥可能擴散的位置。

“人工智能 (AI) 有可能解決僅靠人類無法解決的癌癥基本問題，”加拿大生物醫學計算和信息學研究主席辛普森博士說。“例如，我們不了解化療在一般癌癥患者人群中的表現。化療在臨床試驗中進行了測試，對患者進行了嚴格的標準包括和排除。人工智能讓我們有機會研究癌癥反應、和擴散整個癌癥人群。”

為了開發 NLP 模型，三位放射科醫生整理了超過 2,200 次 CT 掃描的樣本，在 13 個器官中搜索是否存在轉移性癌癥。然后對三種不同的模型進行了近 400,000 次 CT 掃描測試，性能最佳的模型在檢測和標記所有器官的癌癥方面的準確率達到了 90-99%。

“我們可以訪問的放射學報告只有半結構化文本數據，”Zulkernine 博士說，并解釋了為什么他們決定采用跨學科方法使用 NLP 進行研究。“因此，與計算機學院的學生 Karen Batch 和 Kaelan Lupton 一起，我們開發了一個 NLP 管道來預處理數據并提取關鍵特征，以輸入機器學習模型，以根據先驗預測預測 13 個不同器官的癌癥轉移。”

使用人工智能檢測癌癥轉移，意味著每個癌癥患者的知識，不僅僅是那些在試驗中的患者，可以用于個體患者的診斷和治療計劃。但潛力并不止于此，根據 400,000 次 CT 掃描提供的分析，Simpson 博士和 Zulkernine 博士計劃創建一個數字癌癥雙胞胎，以反映和預測癌癥在患者體內的擴散。了解癌癥可能擴散的位置和方式意味著局部治療，而不是全身治療。