夏威夷癌症研究意义大:人口组成独特 AI等技术助力调查

Carly Feng
从DXA扫描中可以了解到小儿骨骼、肌肉和脂肪分布的大多数信息。然而,MRI扫描提供了超快速协议提取更多信息的能力,包括异位脂肪体积、特定肌肉体积,甚至骨量。研究所对儿童肥胖的发病很感兴趣,因为肥胖与成人癌症风险密切相关。

除了阳光海滩,还有尖端科学!

夏威夷大学(UH)癌症中心的AI精密健康研究所(AI Precision Health Institute)位于火奴鲁鲁海滨公园旁边。目前该研究所正在使用先进的技术,包括机器学习(ML)和深度学习,改善癌症的诊断和治疗。由于夏威夷当地人口组成独特,由不同种族、文化和环境特征组成,这也反映到他们进行的癌症研究中。

研究小组的方向之一是,找出一些种族人群更容易患某些癌症的原因,以及遗传易感性如何与环境因素相互作用来影响癌症发病风险。

由于基因-环境相互作用会影响癌症发展,UH已经开发出最先进的实验室设施,测量与癌症风险和肿瘤进展相关的遗传和分子因素以及行为和生活方式干预对癌症预防的影响。

夏威夷原住民、太平洋岛民和亚洲人代表也参加了美国NCI赞助的癌症临床试验,虽然只占一小部分,但是这部分数据将增加数据集的多样性和癌症研究结果的稳健性。

该机构其中一个研究课题是“三室模型乳房病变检测研究”(Three Compartment Breast Lesion Detection Study)。AI精密健康研究所的创始人兼主任Shepherd博士正在研究美国600名患者的乳腺X光片。每项研究都有相关的活检结果,以确定恶性肿瘤。

研究中,放射学家会注释病变,分为4个子类别:侵入性、乳腺导管原位癌、纤维腺瘤和良性。研究中还包含很多夏威夷本地和太平洋本地居民的数据,很有研究意义。

Shepherd博士及其同事创建了首个夏威夷和太平洋岛屿乳腺X光登记处(HIPIMR)。HIPIMR是肿瘤登记处、AI-PHI、UH数据科学研究所和夏威夷各地医疗中心之间的合作。其使命是利用所有可用的乳房健康信息,包括临床危险因素、omic标记和放射性mic生物标记,为夏威夷妇女提供准确的乳腺癌评估风险。

乳腺X光登记的目标是积累大约80%的筛查X光片、断层合成和乳房MRI图像,以开发特定于夏威夷居民妇女的生物标志物。

与此同时,AI精密卫生研究所与加州大学旧金山分校和梅奥诊所正在进行合作,正在进行间隔和筛查乳腺癌风险研究。这项研究数据包括参与筛查乳腺X光检查并继续开发筛查检测到的乳腺癌或无癌症的妇女。目前还会用深度学习方法来预测这些分类。

这些数据包括超过5000名女性的4视图筛查乳房X光片,其中包括培训、验证和测试部门。癌症高风险妇女(筛查或间隔)可能会向肿瘤学家寻求降低风险策略的建议。

筛查检出癌症风险升高的妇女可能会被建议更频繁地进行乳房X光片检查。可能会建议处于间隔期癌症高风险的妇女使用其他成像方法(如MRI或超声波)补充乳房X光片。乳腺癌风险较低的女性可能会因筛查访视频率降低而减少累积辐射剂量。

UH研究人员正在开展人口研究,以了解不同种族和民族人群中癌症发病率和死亡率差异的原因,并正在研究干预策略,帮助预防癌症和提高癌症患者的生存率。

在夏威夷,与该州其他种族群体相比,夏威夷原住民在所有癌症中死亡率最高,其中与其他种族群体相比,夏威夷原住民女性的癌症发病率最高。

另一个研究领域是肥胖与癌症风险之间的关系。Shepherd博士的团队使用机器学习来分析儿童的MRI扫描样本,研究与癌症风险和整体健康相关的骨骼、肌肉和脂肪分布。这些数据显示了肌肉和骨骼的含量以及脂肪沉积在体内的位置。

从DXA扫描中可以了解到小儿骨骼、肌肉和脂肪分布的大多数信息。然而,MRI扫描提供了超快速协议提取更多信息的能力,包括异位脂肪体积、特定肌肉体积,甚至骨量。研究所对儿童肥胖的发病很感兴趣,因为肥胖与成人癌症风险密切相关。

儿童研究(720名5至17岁的儿童),研究人员将开发深度学习分割算法,以估计特定的脂肪区域,包括内脏、肝脏、胰腺和皮下脂肪。

正如Shepherd博士所说:“体形是所有过程的直观表现。”然而,不知道从身体形状可以了解每个omic系统有多少。

研究人员正在研究体形信息跟健康标志物如强度、身体成分和血液生物标志物的关系。目标是确定使用深度学习方法训练各种身体成分、血液标记和其他健康指标的最佳方法。使用AI评估体形是有效的多种疾病的生物标志。

THEEND

最新评论(评论仅代表用户观点)

更多
暂无评论