하버드에서 개발한 새로운 AI는 진단하기 최대 3년 전에 미래의 췌장암을 예측합니다.
https://scitechdaily.com/new-harvard-developed-ai-predicts-future-pancreatic-cancer-up-to-three-years-before-diagnosis/
By 하버드 의과 대학 2023년 5월 11일
췌장암은 위장 뒤에 위치한 선상 기관인 췌장에서 시작되는 일종의 암입니다. 가장 공격적이고 치명적인 형태의 암 중 하나로 알려져 있으며 5년 생존율은 9%에 불과합니다.
AI 모델은 공식적인 진단을 받기 최대 3년 전에 췌장암 위험이 가장 높은 개인을 식별할 수 있습니다.
Harvard Medical School, University of Copenhagen, VA Boston Healthcare System, Dana-Farber Cancer Institute 및 Harvard TH Chan 공중 보건 학교의 연구원들이 주도한 새로운 연구는 AI 도구가 다음과 같은 개인을 정확하게 식별할 수 있음을 보여주었습니다. 의료 기록만을 기준으로 실제 진단을 받기 최대 3년 전에 췌장암에 가장 취약합니다.
Nature Medicine 에 발표된 연구 결과에 따르면 인구 선별에 AI를 사용하면 췌장암 위험이 높은 개인을 식별하고 조기 진단을 용이하게 하는 데 도움이 될 수 있습니다. 연구자들은 췌장암이 가장 치명적인 형태의 암 중 하나이며 치료가 덜 효과적이며 결과가 암울한 진행 단계에서 진단이 오는 경우가 많기 때문에 계속해서 심각한 피해를 유발할 것으로 예상된다고 지적했습니다. 이 연구는 AI 기반 스크리닝이 질병을 조기에 감지함으로써 이러한 궤적을 변경하는 데 도움이 될 수 있다고 제안합니다.
현재 췌장암을 광범위하게 선별할 수 있는 인구 기반 도구는 없습니다. 가족력이 있고 췌장암에 걸리기 쉬운 특정 유전적 돌연변이가 있는 사람들은 표적 방식으로 선별 검사를 받습니다. 그러나 이러한 표적 검사는 해당 범주를 벗어나는 다른 사례를 놓칠 수 있다고 연구원들은 말했습니다.
"의사가 매일 직면하는 가장 중요한 결정 중 하나는 질병에 걸릴 위험이 높은 사람이 누구인지, 누가 추가 검사를 통해 이익을 얻을 수 있는지입니다. 이는 또한 그들 자신의 위험을 수반하는 더 침습적이고 더 비싼 절차를 의미할 수 있습니다."라고 연구 공동 연구원이 말했습니다. -HMS Blavatnik Institute의 시스템 생물학과 교수진 선임 연구원 Chris Sander. "추가 검사에서 가장 큰 혜택을 볼 수 있는 췌장암 고위험군에 초점을 맞출 수 있는 AI 도구는 임상 의사 결정을 개선하는 데 큰 도움이 될 수 있습니다."
Sander는 이러한 접근 방식을 대규모로 적용하면 췌장암의 발견을 촉진하고 조기 치료로 이어지며 결과를 개선하고 환자의 수명을 연장할 수 있다고 덧붙였습니다.
"많은 유형의 암, 특히 조기에 식별하고 치료하기 어려운 암은 환자, 가족 및 전체 의료 시스템에 불균형적인 피해를 줍니다. 코펜하겐 대학의 단백질 연구를 위한 Novo Nordisk 재단 센터의 연구. “AI 기반 스크리닝은 성공 가능성이 가장 높을 때 조기에 진단하고 신속하게 치료하기 어려운 공격적인 질병인 췌장암의 궤적을 바꿀 수 있는 기회입니다.”
새로운 연구에서 AI 알고리즘은 덴마크와 미국의 총 900만 환자 기록에 대한 두 개의 개별 데이터 세트에 대해 교육을 받았습니다. 연구원들은 AI 모델에 기록에 포함된 데이터를 기반으로 숨길 수 없는 신호를 찾도록 "요청"했습니다. 질병 코드와 발생 시기의 조합을 기반으로 이 모델은 미래에 어떤 환자가 췌장암에 걸릴 가능성이 있는지 예측할 수 있었습니다. 특히, 많은 증상과 질병 코드는 췌장과 직접적인 관련이 없거나 췌장에서 비롯된 것이 아닙니다.
연구원들은 6개월, 1년, 2년, 3년 등 다양한 시간 척도 내에서 질병 발병 위험이 높은 사람들을 감지하는 능력에 대해 다양한 버전의 AI 모델을 테스트했습니다. 전반적으로 AI 알고리즘의 각 버전은 특정 기간 동안 인구에서 질병이 얼마나 자주 발생하는지로 정의되는 현재 인구 전체의 질병 발병률 추정치보다 누가 췌장암에 걸릴지 예측하는 데 훨씬 더 정확했습니다. 연구원들은 이 모델이 적어도 데이터 세트에서 환자의 작은 하위 집합에 대해서만 사용할 수 있는 현재 유전자 시퀀싱 테스트만큼 질병 발생을 예측하는 데 정확하다고 믿는다고 말했습니다.
"화난 기관"
유방암, 자궁경부암 및 전립선암과 같은 특정 일반적인 암에 대한 선별검사는 상대적으로 간단하고 매우 효과적인 기술인 유방조영술, Pap smear 및 혈액 검사에 의존합니다. 이러한 선별 방법은 가장 치료 가능한 단계에서 조기 발견 및 개입을 보장함으로써 이러한 질병에 대한 결과를 변화시켰습니다.
이에 비해 췌장암은 선별검사와 검사가 더 어렵고 비용이 더 많이 듭니다. 의사들은 주로 가족력과 유전적 돌연변이의 존재를 살펴봅니다. 이는 미래의 위험에 대한 중요한 지표이지만 종종 많은 환자를 놓치고 있습니다. AI 도구의 특별한 장점 중 하나는 알려진 가족력이나 질병에 대한 유전적 소인이 있는 환자뿐만 아니라 건강 기록과 병력을 사용할 수 있는 모든 환자에게 사용할 수 있다는 것입니다. 연구자들은 이것이 특히 중요하다고 덧붙입니다. 왜냐하면 고위험군에 있는 많은 환자들이 자신의 유전적 소인이나 가족력을 알지 못할 수도 있기 때문입니다.
증상이 없고 누군가가 췌장암에 걸릴 위험이 높다는 명확한 징후가 없는 경우 임상의는 CT 스캔, MRI 또는 내시경 초음파와 같은 보다 정교하고 비용이 많이 드는 검사를 권장하는 데 신중할 수 있습니다. 이러한 검사를 사용하여 의심스러운 병변이 발견되면 환자는 생검을 얻기 위한 절차를 거쳐야 합니다. 복부 깊숙이 위치한 이 기관은 접근하기 어렵고 쉽게 자극하여 염증을 일으킵니다. 그것의 과민성은 "화난 기관"이라는 별명을 얻었습니다.
췌장암 위험이 가장 높은 사람들을 식별하는 AI 도구는 임상의들이 불필요한 테스트와 추가 절차를 생략하면서 적절한 인구를 테스트할 수 있도록 보장할 것이라고 연구원들은 말했습니다.
췌장암의 초기 단계에서 진단받은 사람들의 약 44%가 진단 후 5년 동안 생존하지만 사례의 12%만이 그렇게 일찍 진단됩니다. 연구자들은 종양이 원래 위치를 넘어 성장한 사람들의 생존율이 2~9%로 떨어진다고 추정합니다.
"그 낮은 생존율은 수술 기술, 화학 요법 및 면역 요법의 현저한 발전에도 불구하고 있습니다."라고 Sander는 말했습니다. "따라서 정교한 치료법 외에도 더 나은 스크리닝, 더 많은 표적 테스트 및 조기 진단이 필요하며, AI 기반 접근 방식이 이 연속체의 첫 번째 중요한 단계로 들어오는 곳입니다."
이전 진단은 미래의 위험을 예고합니다
현재 연구를 위해 연구원들은 AI 모델의 여러 버전을 설계하고 41년에 걸친 덴마크 국가 의료 시스템의 620만 명의 환자 건강 기록에 대해 교육했습니다. 이 환자들 중 23,985명이 시간이 지남에 따라 췌장암에 걸렸습니다. 훈련하는 동안 알고리즘은 질병 궤적, 즉 환자가 시간이 지남에 따라 특정 순서로 발생하는 특정 조건을 가지고 있는지 여부를 기반으로 향후 췌장암 위험을 나타내는 패턴을 식별했습니다.
예를 들어, 담석, 빈혈, 제2형 당뇨병 및 기타 GI 관련 문제와 같은 진단은 평가 3년 이내에 췌장암에 대한 더 큰 위험을 예고했습니다. 덜 놀랍게도, 췌장의 염증은 2년이라는 훨씬 더 짧은 기간 내에 미래의 췌장암을 강력하게 예측했습니다. 연구원들은 이러한 진단 중 어느 것도 그 자체로 미래의 췌장암을 나타내거나 원인이 되는 것으로 간주되어서는 안 된다고 경고합니다. 그러나 시간이 지남에 따라 발생하는 패턴과 순서는 AI 기반 감시 모델에 대한 단서를 제공하고 의사가 위험이 높은 사람들을 더 면밀히 모니터링하거나 그에 따라 테스트하도록 유도할 수 있습니다.
다음으로 연구원들은 이전에 접하지 못한 완전히 새로운 환자 기록 세트에 대해 최고 성능의 알고리즘을 테스트했습니다. 미국 재향 군인 건강 관리국 데이터 세트는 21년에 걸쳐 췌장암 진단을 받은 3,864명의 개인을 포함하는 거의 300만 개의 레코드로 구성되어 있습니다. 도구의 예측 정확도는 미국 데이터 세트에서 다소 낮았습니다. 이것은 미국 데이터 세트가 더 짧은 시간에 걸쳐 수집되었고 약간 다른 환자 인구 프로파일을 포함했기 때문일 가능성이 큽니다. 덴마크 데이터 세트의 전체 덴마크 인구와 Veterans' Affairs 데이터 세트의 현재 및 이전 군인.
미국 데이터 세트에서 알고리즘을 처음부터 다시 학습했을 때 예측 정확도가 향상되었습니다. 연구원들은 이것이 두 가지 중요한 점을 강조한다고 말했습니다. 첫째, AI 모델이 고품질의 풍부한 데이터에 대해 훈련되도록 보장합니다. 둘째, 국내 및 국제적으로 집계된 임상 기록의 대규모 대표 데이터 세트에 대한 액세스 필요성입니다. 이러한 전 세계적으로 유효한 모델이 없는 경우 AI 모델은 지역 인구의 특이성을 반영하도록 지역 건강 데이터에 대해 교육을 받아야 합니다.
참조: Davide Placido, Bo Yuan, Jessica X. Hjaltelin, Chunlei Zheng, Amalie D. Haue, Piotr J. Chmura, Chen Yuan, Jihye Kim, Renato Umeton의 "질병 궤적에서 췌장암의 위험을 예측하는 딥 러닝 알고리즘" , Gregory Antell, Alexander Chowdhury, Alexandra Franz, Lauren Brais, Elizabeth Andrews, Debora S. Marks, Aviv Regev, Siamack Ayandeh, Mary T. Brophy, Nhan V. Do, Peter Kraft, Brian M. Wolpin, Michael H. Rosenthal, Nathanael R. Fillmore, Søren Brunak 및 Chris Sander, 2023년 5월 8일, Nature Medicine .
DOI: 10.1038/s41591-023-02332-5
이 연구는 Novo Nordisk Foundation, Stand Up to Cancer/Lustgarten Foundation, National Institutes of Health 의 자금 지원을 받았으며 Pancreatic Cancer Action Network, Noble Effort Fund, the Wexler Family Fund, Promises for Purple 및 Bob Parsons 기금, VA 협력 연구 프로그램, 미국 심장 협회, 보건 과학 대학의 국방부/군복 서비스 대학, 췌장암 연구를 위한 Hale 가족 센터.
Brunak은 Intomics A/S, Hoba Therapeutics Aps, Novo Nordisk A/S, Lundbeck A/S 및 ALK Abello의 소유권을 보유하고 있으며 Proscion A/S 및 Intomics A/S의 관리 이사회 구성원을 보유하고 있습니다. Wolpin은 Celgene과 Eli Lilly로부터 보조금을 받고 BioLineRx, Celgene 및 GRAIL로부터 컨설팅 비용을 받았습니다. Regev는 Immunitas의 지분 보유자인 Celsius Therapeutics의 공동 설립자이자 지분 보유자이며 2020년 7월 31일까지 Thermo Fisher Scientific, Syros Pharmaceuticals, Neogene Therapeutics 및 Asimov의 과학 자문 위원이었습니다. 8월 1일 현재, 2020, Regev는 Genentech의 직원이었으며 Roche의 지분을 보유하고 있습니다. Marks는 Dyno Therapeutics, Octant, Jura Bio, Tectonic Therapeutic 및 Genentech의 고문이자 Seismic Therapeutic의 공동 설립자입니다. Sander는 CytoReason의 과학 자문 위원회에 속해 있습니다.