夏威夷癌症研究意義大：人口組成獨特 AI等技術助力調查

除了陽光海灘，還有尖端科學！

夏威夷大學（UH）癌症中心的AI精密健康研究所（AI Precision Health Institute）位於火奴魯魯海濱公園旁邊。目前該研究所正在使用先進的技術，包括機器學習（ML）和深度學習，改善癌症的診斷和治療。由於夏威夷當地人口組成獨特，由不同種族、文化和環境特徵組成，這也反映到他們進行的癌症研究中。

研究小組的方向之一是，找出一些種族人群更容易患某些癌症的原因，以及遺傳易感性如何與環境因素相互作用來影響癌症發病風險。

由於基因-環境相互作用會影響癌症發展，UH已經開發出最先進的實驗室設施，測量與癌症風險和腫瘤進展相關的遺傳和分子因素以及行為和生活方式干預對癌症預防的影響。

夏威夷原住民、太平洋島民和亞洲人代表也參加了美國NCI贊助的癌症臨床試驗，雖然只佔一小部分，但是這部分數據將增加數據集的多樣性和癌症研究結果的穩健性。

該機構其中一個研究課題是「三室模型乳房病變檢測研究」（Three Compartment Breast Lesion Detection Study）。AI精密健康研究所的創始人兼主任Shepherd博士正在研究美國600名患者的乳腺X光片。每項研究都有相關的活檢結果，以確定惡性腫瘤。

研究中，放射學家會注釋病變，分為4個子類別：侵入性、乳腺導管原位癌、纖維腺瘤和良性。研究中還包含很多夏威夷本地和太平洋本地居民的數據，很有研究意義。

Shepherd博士及其同事創建了首個夏威夷和太平洋島嶼乳腺X光登記處（HIPIMR）。HIPIMR是腫瘤登記處、AI-PHI、UH數據科學研究所和夏威夷各地醫療中心之間的合作。其使命是利用所有可用的乳房健康信息，包括臨床危險因素、omic標記和放射性mic生物標記，為夏威夷婦女提供準確的乳腺癌評估風險。

乳腺X光登記的目標是積累大約80％的篩查X光片、斷層合成和乳房MRI圖像，以開發特定於夏威夷居民婦女的生物標誌物。

與此同時，AI精密衛生研究所與加州大學舊金山分校和梅奧診所正在進行合作，正在進行間隔和篩查乳腺癌風險研究。這項研究數據包括參與篩查乳腺X光檢查並繼續開發篩查檢測到的乳腺癌或無癌症的婦女。目前還會用深度學習方法來預測這些分類。

這些數據包括超過5000名女性的4視圖篩查乳房X光片，其中包括培訓、驗證和測試部門。癌症高風險婦女（篩查或間隔）可能會向腫瘤學家尋求降低風險策略的建議。

篩查檢出癌症風險升高的婦女可能會被建議更頻繁地進行乳房X光片檢查。可能會建議處於間隔期癌症高風險的婦女使用其他成像方法（如MRI或超聲波）補充乳房X光片。乳腺癌風險較低的女性可能會因篩查訪視頻率降低而減少累積輻射劑量。

UH研究人員正在開展人口研究，以了解不同種族和民族人群中癌症發病率和死亡率差異的原因，並正在研究干預策略，幫助預防癌症和提高癌症患者的生存率。

在夏威夷，與該州其他種族群體相比，夏威夷原住民在所有癌症中死亡率最高，其中與其他種族群體相比，夏威夷原住民女性的癌症發病率最高。

另一個研究領域是肥胖與癌症風險之間的關係。Shepherd博士的團隊使用機器學習來分析兒童的MRI掃描樣本，研究與癌症風險和整體健康相關的骨骼、肌肉和脂肪分布。這些數據顯示了肌肉和骨骼的含量以及脂肪沉積在體內的位置。

從DXA掃描中可以了解到小兒骨骼、肌肉和脂肪分布的大多數信息。然而，MRI掃描提供了超快速協議提取更多信息的能力，包括異位脂肪體積、特定肌肉體積，甚至骨量。研究所對兒童肥胖的發病很感興趣，因為肥胖與成人癌症風險密切相關。

兒童研究（720名5至17歲的兒童），研究人員將開發深度學習分割演算法，以估計特定的脂肪區域，包括內臟、肝臟、胰腺和皮下脂肪。

正如Shepherd博士所說：「體形是所有過程的直觀表現。」然而，不知道從身體形狀可以了解每個omic系統有多少。

研究人員正在研究體形信息跟健康標誌物如強度、身體成分和血液生物標誌物的關係。目標是確定使用深度學習方法訓練各種身體成分、血液標記和其他健康指標的最佳方法。使用AI評估體形是有效的多種疾病的生物標誌。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！