赋能个性化护理癌症治疗受益于人工智能驱动的成像平台

SFU工程科学教授MirzaFaisalBeg正在带头开展可能有助于重新定义癌症治疗的研究。利用人工智能(AI)，他的突破性研究使人体成像和器官测量速度比传统方法快得多，这标志着利用人工智能实现个性化医疗解决方案的飞跃。

Beg和他的团队创建了数据分析促进套件(DAFS)，这是一种复杂的、首创的计算机程序，可提供人工智能自动化，在几分钟内提供人体内许多内部器官和组织的测量结果。

该工具分析数字身体CT扫描并量化肌肉、脂肪和器官健康状况。快速个性化评估可深入了解治疗反应，从而实现量身定制的干预措施并最大限度地减少无意的副作用。

正如贝格解释的那样，在癌症治疗工作流程中，“肿瘤分期”涉及确定患者体内疾病的程度，指导治疗策略。相反，“对宿主进行分期”涉及了解患者的整体健康状况，以确定治疗耐受性的限度，这是选择适当的治疗和剂量的关键方面。

“虽然有复杂的肿瘤分期工具，但评估患者整体是否适合治疗和健康状况的工具却很有限，”Beg说。

“目前的方法，例如仅使用基于体重和身高的体重指数(BMI)，无法准确表示个人独特的身体成分。这些简单的指标忽略了个人对治疗反应的重要因素，如肌肉质量、脂肪分布和器官健康。”

贝格说，精确宿主分期的这一空白凸显了对创新方法的需求，这些方法全面涵盖个体差异，因为肌肉和脂肪含量等因素会影响疾病的发作和治疗结果。

虽然计算机断层扫描(CT)图像是在癌症治疗期间常规获取的，并且可以提供对宿主进行分期的测量结果，但对于本已忙碌的临床医生来说，分析这些图像非常耗时，需要数小时到数天才能完成对单个患者的手动评估，这凸显了这种需求自动化以加快这一过程。

为了解决这一关键差距，Beg的团队采用人工智能技术来提供内部器官和组织的快速、准确的测量，从而弥合这些工作流程活动之间的鸿沟。

根据每位患者独特的身体成分，针对疾病和个人特征的个性化治疗计划可以改善健康结果，同时最大限度地减少不良副作用。

设计更适合患者情况的治疗方法

贝格说，还有一个严重的问题是，关于个体治疗的许多决定都源于从各组患者观察到的平均结果得出的结论。

他解释说：“每个患者可能会与这些平均值存在明显且重要的偏差，这可能会导致治疗选择次优，并延迟对健康产生不利影响。”

他的目标是开创变革性技术，使临床医生能够根据每位患者的独特情况设计治疗方案，为弱势群体提供更温和的选择，为那些有能力有效忍受的人提供更强有力的方法。

这项创新最近获得了加拿大卫生研究院(CIHR)的项目基金，以扩大团队的工作并使其平台更加准确和全面。

该团队将继续利用人工智能的能力来完善开创性技术，以实现人体成分及其因疾病和干预而发生的变化的测量，这在以前是不可能的。

该平台已被全球一百多个研究实验室使用，显示出有潜力帮助加速许多疾病和应用领域的健康研究，包括肿瘤学、外科手术、放射治疗计划、营养、新陈代谢等。

贝格的研究为个性化护理成为常态的未来带来了希望。

“我们希望这项技术可以让诊所为每个患者制定个性化的治疗策略。这不仅巩固了加拿大的地位，还推动SFU走在人工智能革命的最前沿，这场革命正在改变个性化临床医学工作流程的格局，并改善健康结果。”

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！