機器學習竟能精準識別類風溼性關節炎亞型

威爾康奈爾醫學院和特種外科醫院（HSS）的研究人員所創建的一種機器學習工具能夠助力區分類風溼性關節炎（RA）的亞型，這或許有助於科學家探尋改善這種複雜病症護理的途徑。

這項研究發表於《自然通訊》，顯示出人工智能和機器學習技術能夠有效且高效地對 RA 患者的病理樣本進行亞型劃分。

“我們的工具實現了病理切片分析的自動化，或許在未來的某一天能爲 RA 帶來更精準和高效的疾病診斷以及個性化治療，”

當下有好幾項研究正在開發用於腫瘤病理切片自動分析的機器學習工具。王博士及其同事一直在致力於將這項技術的應用拓展至其他臨牀專業。

在最新的研究中，王博士與理查德·貝爾博士合作，理查德·貝爾博士是關節炎和組織退化項目及研究所的講師，也是 HSS 分子組織病理學核心實驗室的計算病理學分析師，還與萊昂內爾·伊瓦什基夫博士合作，萊昂內爾·伊瓦什基夫博士是 HSS 關節炎和組織退化項目的首席科學官和主席，也是威爾康奈爾醫學院的醫學教授，來將類風溼關節炎組織樣本的亞型分類過程自動化。區分類風溼關節炎的三種亞型，這可能有助於臨牀醫生爲特定患者選擇最可能有效的治療方法。

病理學家目前使用一套標準手動對人類患者活檢樣本中的關節炎亞型進行分類，從而識別細胞和組織特徵——這是一個緩慢的過程，增加了研究成本，並可能導致病理學家之間的不一致。

“這是病理學研究的分析瓶頸，”貝爾博士說。“這非常耗時且乏味。”

該團隊首先在一組小鼠的類風溼關節炎（RA）樣本上訓練其算法，優化其區分樣本中組織和細胞類型，並按亞型進行分類的能力。他們在第二組樣本上驗證了該工具。該工具還爲小鼠的治療效果帶來了新的發現，比如在給予常用的 RA 治療六週內，軟骨降解有所減少。

然後，他們將該工具應用於來自加速藥物合作類風溼關節炎研究聯盟的患者活檢樣本，並表明它可以有效且高效地對人類臨牀樣本進行分類。研究人員如今正藉助更多的患者樣本對該工具進行驗證，並確定將這一新工具融入病理學家工作流程的最佳途徑。

“這是朝着更個性化的 RA 護理邁出的第一步，”貝爾博士說道。“如果你能構建一個識別患者亞型的算法，你將能夠更快地爲患者提供他們需要的治療。”

該技術能夠通過檢測人類可能會遺漏的意外組織變化，爲這種疾病帶來新的認識。

由於節省了病理學家進行亞型分類的時間，該工具還有可能降低成本，提高針對不同類風溼關節炎亞型患者的臨牀試驗治療測試的效率。

“通過把病理切片和臨牀信息相結合，這個工具展現出了人工智能在推進個性化醫療方面不斷增強的影響力，”威爾康奈爾醫學院臨牀研究高級副院長兼人口健康科學系主任 Rainu Kaushal 博士說道。

這項研究特別令人興奮，因爲它爲檢測和治療開闢了新的途徑，在我們怎樣理解和照料類風溼關節炎患者這方面取得了重大的進展。

該團隊正在努力研發用於評估骨關節炎、椎間盤退變以及肌腱病的類似工具。

此外，王博士的團隊還在從更廣泛的生物醫學信息裡確定疾病亞型。比如說，他們最近展示了機器學習能夠區分帕金森病的三個亞型。

王博士表示：‘我們期望我們的這項研究能夠促使更多針對更多疾病開發機器學習工具的計算研究。’

伊瓦什基夫博士補充說：‘這項工作在分析類風溼關節炎組織方面是一個重要的進步，能夠造福患者。’