AI将能从一滴血中揪出癌症

最新推荐文章于 2024-10-07 06:31:57 发布

老余捞鱼

最新推荐文章于 2024-10-07 06:31:57 发布

阅读量880

点赞数 29

文章标签：人工智能

本文链接：https://blog.csdn.net/weixin_70955880/article/details/140778910

版权

作者：老余捞鱼

原创不易，转载请标明出处及原作者。

写在前面的话：
AI 可以通过分析一滴干血中的代谢物来检测癌症，这项技术具有高灵敏度，可能会对癌症早期诊断产生重大影响，尤其对于低收入国家的相关人群。本文详细介绍了一种全新的癌症检测方法，即利用人工智能分析干血中的代谢物来早期发现癌症。

一、概述

如果一个家庭中有人患上癌症，其破坏性影响将远远超出患者本人，包括深受其害的亲人。在许多国家，癌症已超过心脏病，成为导致死亡的主要原因。但是，随着最近技术的进步，我们看到了希望。早期检测是挽救生命的关键；目前的方法往往会在癌症晚期才发现癌症。

到 2050 年，估计将新增 3500 万癌症病例，比 2022 年增加 77%。在 50 岁以下人群中，早发癌症增加了 79%。但真正的问题是，如果一个简单的血液检测就能改变一切呢？一项新研究表明，利用人工智能，他们可以从一滴干血中检测出某些类型的癌症。如果这是真的，它将成为医学人工智能领域最重要的成果之一。

如果你关注科技新闻，你一定还记得 Theranos。几年前，伊丽莎白-霍尔姆斯向全世界承诺，我们只需一滴血就能进行各种不同的检测。她想成为医学界的下一个史蒂夫-乔布斯（Steve Jobs），但这一切美好得不像真的。最终发生了什么？投资者被偷走了数十亿美元，患者被骗。Theranos 是近期最大的骗局之一。

二、检测癌症的常规方法

传统的癌症检测方法依赖于各种诊断工具和技术。这些方法大致可分为成像检测、实验室检测、活组织检查和内窥镜检查。下面我们就来深入了解一下这些传统方法：

2.1 成像检测

影像检查是癌症检测的基础，因为它们可以发现体内的异常肿块或结构。X 射线是最基本的形式，可用于通过胸部 X 射线检测肺癌等问题。有许多检查原理类似，只是使用的波长不同，显示的结果也不同。计算机断层扫描（CT）、磁共振成像（MRI）和超声波就是类似技术的其他几个例子。

2.2 实验室测试

通过分析体液中的癌症特异性标记物，血液检测在癌症检测中发挥着至关重要的作用。血液检测可以通过特定的标记物来识别某些癌症，如前列腺癌的前列腺特异性抗原（PSA）和卵巢癌的 CA-125。尿液检测和粪便检测是筛查和监测癌症的几种非侵入性方法。它们通常与其他诊断方法结合使用。

2.3 活组织检查

通过在显微镜下检查组织样本以确定其是否为癌症，活检是确诊癌症的关键。活组织检查有多种类型，我们使用细针从肿块或肿块中抽取组织或液体。这些程序的侵入性各不相同，但对于获得明确诊断和指导治疗计划至关重要。

2.4 内窥镜检查

内窥镜检查是将一根带有照明和摄像头的细软管（内窥镜）插入体腔，直接观察可疑部位，有时还进行活检。

针对不同类型的癌症，还有许多其他专门的检测方法。但我们可以清楚地看到，这些检查都不容易进行。通常情况下，患者需要进行多次这样的检查，这可能会让不经常进行这些检查的人望而却步。

三、传统方法为何具有挑战性

传统方法虽然有效，但也有一些局限性：

许多技术，尤其是活组织检查和一些内窥镜手术，都是侵入性的，可能会让人感到不舒服或疼痛。通常情况下，癌症在晚期症状出现时才被发现，从而降低了治疗效果。

癌症检测之所以需要多次检查，是因为成像检查有时会产生假阳性结果，导致不必要的焦虑和手术，或者产生假阴性结果，使癌症被漏诊。

CT 扫描等反复成像检查会使患者暴露于大量辐射中，这本身就存在风险。

最后，癌症不仅会给人带来精神上的压力，甚至还会给人带来经济上的压力。

四、新的检测方法

由于缺乏经认可的生物标志物，目前的血液检测对某些癌症的诊断并不可靠。传统的生物标记物（如微RNA和蛋白质）在运输和温度变化过程中不稳定，影响了检测的准确性。

有些人可能会问，什么是生物标志物？

生物标记（生物标志物的简称）是一种客观测量方法，它能捕捉到细胞或生物体在某一特定时刻发生的变化。生物标志物可以作为健康预警系统。

许多生物标志物来自于常规就诊时的简单测量，如血压或体重。其他生物标志物则基于血液、尿液或组织的实验室检测。有些生物标志物则通过观察基因或蛋白质来捕捉分子和细胞层面的变化。

利用代谢物作为生物标记物

代谢物是新陈代谢过程中产生的小分子，已成为检测癌症的有前途的生物标记物。这些分子包括氨基酸、脂类、糖类和其他细胞过程的副产品，它们可以提供有关细胞或组织生理状态的大量信息。

代谢物为何是有效的生物标记物

反映代谢变化：癌细胞会进行重大的代谢重编程，以支持快速生长和增殖。代谢物可以捕捉到这些快速变化。例如，即使在有氧气的情况下，癌细胞也经常表现出糖酵解增加（称为沃伯格效应），导致乳酸和其他糖酵解中间产物水平升高。
对早期变化的敏感性：代谢物可反映形态/物理变化明显之前发生的早期生化变化。因此，它们对早期癌症检测具有潜在价值。
对癌症类型的特异性：不同类型的癌症会产生不同的代谢特征。例如，某些脂质代谢物可能在乳腺癌中升高，而氨基酸的改变则可能是肝癌的标志。这种特异性不仅有助于检测癌症，还有助于确定癌症的类型和来源。
非侵入性采样：许多代谢物可在血液、尿液或唾液等容易获取的体液中检测到，因此检测过程无创，患者更容易接受。

五、深入研究基于AI的血液测试

The flow of Cancer detection using AI (Img Src)
利用人工智能检测癌症的流程 (Img Src)

干血清点（DSS）是经过干燥的血清小样本。干燥后的血清样本被储存起来以备日后分析，通常用于不同的诊断测试。在癌症诊断中，使用干血斑可能是一项挑战。原因在于敏感的生物标志物会降解，而且往往没有足够的血量来获得可靠的结果。

因此，研究人员建议使用无机纳米粒子来改进癌症诊断。其中，重点是增强型质谱法（NPELDI MS），它能以更高的灵敏度提供可靠的结果。它涉及应用无机纳米粒子来增强选择性浓缩和富集样本中的代谢化合物”。然而，NPELDI MS 对干点分析的适应性尚未得到验证，”他们指出。这是一个需要解决的障碍。由于所有实验室都需要标准化的工作程序来保证可靠性。

根据他们创建的机器学习模型，他们发现这些 DSS 样本保留了重要的生物标记。这对于提高诊断准确性至关重要。这些机器模型是人工智能的一种形式，使用算法来诊断癌症等。

人工智能算法帮助检测癌症的几个案例：