蓝色海岸大学核医学和生物物理学博士兼教授奥利弗·亨伯特解释了人工智能在肺癌治疗中的作用。
癌症是英国的主要死因之一：一个在两个人们一生中都会被诊断出患有这种疾病。肺癌是英国第三大最常见的癌症类型，其发病率为47838宗新个案2015-2017年间诊断。
最近的治疗创新提高了癌症患者的预期寿命和质量，即使是在疾病的晚期。然而，在提供更个性化的肿瘤方面仍有进展;根据每个患者疾病的生物学特征个性化治疗策略，以提高疗效并限制治疗的副作用。技术，尤其是人工智能，可以成为改善晚期肺癌患者护理的宝贵资产。
免疫疗法，一种已经证明自己的治疗方法，但也有局限性
免疫疗法是一种治疗工具，它通过激活患者的免疫系统而不是直接针对癌细胞。它刺激患者的淋巴细胞（免疫细胞）恢复其识别和破坏癌细胞的能力。即使在治疗转移性肺癌时，这种治疗也取得了很好的效果。然而，并不是所有的患者都有很好的反应。有时癌症会找到一种逃避的方法，阻止患者接受免疫治疗。这种治疗也会引起炎症副作用。
那么，你如何知道免疫疗法是否会比另一种化疗选择更有效地治疗这种疾病呢？在未来几年中，与癌症斗争的主要目标之一是了解如何预测哪位患者会对免疫治疗产生反应。这将使医生能够针对应该接受治疗的患者。
多亏了人工智能，这一目标将得以实现。
从预测到治疗：为医生服务的技术
人工智能是基于深度和机器学习的。更具体地说，这项技术依靠收集和分析大量数据来进行预测。这几乎是瞬间完成的，这是人类不可能做到的。
在癌症方面，疾病的进展是通过aPET扫描. 作为肿瘤学的一个基准，它允许通过静脉注射轻度放射性葡萄糖衍生物来测量肿瘤细胞的活性。PET扫描还可以精确地拍摄患者的解剖结构、器官形态和癌症本身。因此，这种检查可以收集有关患者及其疾病的大量数字数据，其中大部分数据隐藏在图像的深处，人眼无法分析。
在索菲亚·安提波利斯3IA学院已经建立了一项研究项目，将人工智能应用于分析接受免疫治疗的肺癌患者的PET扫描数据。通过一种算法，从形态学和生物学的角度，在治疗开始时，以及之后每两个月进行一次，患者图像中包含的数千个数据项在3D中被精确分析。
在初始学习阶段之后，该算法可以开始识别与免疫治疗反应相关的图像特征。这就建立了一个模型，可以预测治疗对任何特定患者是否有效。该算法在许多患者和PET扫描图像上训练的越多，学习的越多，最终性能越好。
从长远来看，该理论认为，在决定任何治疗之前，可以使用该算法分析患者的图像。这将为每位患者提供可能的免疫治疗成功率或失败率，使医生能够为他们量身定制治疗策略。通过这种方式，人工智能成为帮助医生做出决策的工具，并代表了改善癌症治疗的真正机会。
但是，就像任何工具一样，医学界有必要掌握它，并了解它的力量和局限性。这就是为什么正在开发研究生培训项目，比如法国的研究生课程——the圣彼得堡大学，以支持医生在此过程中的工作。
成为明天医学的一部分
这种新的医学实践方式使得数学家、医生和商业卫生组织之间可能存在的“竖井”被分割开来。它还允许他们合作，为患者定义算法和其他创新的人工智能解决方案。
只有通过这样的多学科合作，研究人员和卫生专业人员才能共同开发未来的医学。
