登录
 机构网站
  1. 首页
  2. 情报产品
  3. 快讯详情

《2025 AHA科学声明：人工智能增强心脏肿瘤学精准医疗》

  • 来源专题：再生医学与脑科学
  • 编译者： 苑亚坤
  • 发布时间：2025-02-28

  • 2025年2月24日，美国心脏协会（AHA）发布了一份题为《Artificial Intelligence to

    Enhance Precision Medicine in Cardio-Oncology》的科学声明，旨在探讨人工智能（AI）如何在心脏肿瘤学（cardio-oncology）中增强精准医疗。

    心脏肿瘤学是一个新兴领域，随着癌症发病率的增加和治疗手段的多样化，癌症患者心血管疾病的相关风险也在增加。这些风险不仅来自癌症本身，还来自其治疗手段，如靶向治疗和免疫检查点抑制剂等。然而，心血管风险在个体间存在显著异质性，个性化心血管风险管理成为AI的关键应用目标。

    该科学声明提到，AI在心血管疾病（CVD）风险评估、心电图（ECG）分析以及个性化护理中的潜力逐渐显现。AI在精准医学中的应用包括开发预测算法以及通过识别人类专家无法观察到的特征推动心脏肿瘤学领域的发展。AI算法的进步，如半监督和自监督学习以及基础模型，将减少对繁琐的手动图像标记的需求，从而加快研究和开发的速度。生成式AI的迅速崛起——特别是大型语言模型——有望使大型数据集的分析更简单、更快捷、更高效，从而处理超出人类能力范围的大量非结构化数据，并以人类习惯的格式呈现结果。此外，利用AI助力药物发现和开发的可能性也已经出现，包括筛选和预测疗效与毒性，加速产品的开发和制造流程。

    值得注意的是，尽管AI在心脏肿瘤学中显示出巨大潜力，但目前的研究仍面临挑战，包括数据异质性、样本量有限、算法偏见和数据隐私问题。未来的研究需要解决这些问题，以确保AI技术的广泛应用和临床转化。


  • 原文来源：https://www.ahajournals.org/doi/10.1161/HCG.0000000000000097?url_ver=Z39.88-2003&rfr_id=ori:rid:crossref.org&rfr_dat=cr_pub%20%200pubmed
133浏览量
原文链接
相关报告

  • 《人工智能助力生物识别精准化》
    • 来源专题：光电情报网信息监测服务平台
    • 编译者：husisi
    • 发布时间：2020-05-26
    • “你是谁？”在当今社会，无处不在的身份识别场景在无声发问。进小区门，要问你是业主本人吗？进家门，要扭动匹配的钥匙或按下指纹；开电脑工作，弹出密码输入弹窗。每个人都是独立的个体，我们能否使用唯一特性与外界建立联系？唯一意味着安全，也意味着核实更方便准确，就像我们的身份证，上面有唯一的数字编码。 与此同时，数字化时代，我们与机器的互动，从敲键盘一步跨向手指点击滑动、开口对话、抬起头、眨眨眼，远隔千里的人们能便捷地沟通交流、能跨省跨国网上办事，但客观上无法实现“亲眼所见”，也给建立“信任”关系带来新的挑战。 人工智能技术的发展，针对数字社会人与人之间、人与机器之间如何建立“信任”关系，提供了一个很好的技术解决手段，即生物识别技术。你用什么方式证明自己？怎样才能定义这世界独一无二的你？设备的进化中，谁在保证个人使用的安全性？无接触生活的背后都是技术在化解复杂，生物识别技术的研究，正是希望解决这些问题。 1.生物识别是数字社会的重要基础 无论处于哪个社会经济发展阶段，“人”始终是最重要的核心要素。人类作为群居动物，在地球上有人类的时刻，“信任”的需求就应运而生，通过视觉“亲眼所见”、听觉“亲耳所闻”等辨别同伴建立信任关系，这种最原始的通过“亲眼所见”等手段建立“信任”的方式也将伴随人类一直延续下去。 数字化世界，需要迭代新的信任交互，生物识别技术是技术发展演进到一定阶段的必然产物，也是一种新型数字身份的基础设施。它基于个体生物特征进行自动识别的一种技术，结合计算机与光学、声学、生物传感器和生物统计学原理等，依靠人体的生理特征或者行为特征来进行身份验证的识别，是当前人工智能技术和信息安全技术在工业界落地应用最显著的代表性成果之一。 所谓生物特征包括人脸、指纹、声纹、虹膜、指静脉、体温等，行为特征则记录签名笔迹、行走步态、坐姿等。这些生物特征各有特点，比如每个人的静脉血管都不是一样的，血管也足够多，因此它的信息唯一、丰富，几乎不能被复制；而一个人随着年龄增长和一些突发情况，行为特征比如走路姿态可能会发生变化，可以理解为特征信息稳定性不那么强。 唯一的、稳定的生物特征就具备理论上的安全基础，我们将它们进一步结合形成有效技术手段，同时采用多种方式来确保它准确、高效就像使用身份证确认“你就是你”。 作为一种身份认证方式，目前生物识别技术已经在金融、教育、司法、医疗、社会治理等行业都有了广泛应用，它需要满足不同场景、行业要求和不断变化演进的业务需求。它将迅速成为数字经济社会的重要信息基础设施之一。 2.生物识别开始出现大规模技术创新 从技术上来说，传统生物识别技术在鲁棒性、准确性以及抗攻击能力等方面，近年来都有大幅提升。比如突破2D人脸存在景深数据丢失的局限性，3D人脸识别技术因其具有更强的描述能力开始在高准确性应用中逐渐增多；在3D识别的基础上人脸活体检测的新技术也进一步被采用；防止人脸数据库被盗库的识别技术也已被提出；指纹识别则开始引入基于手指皮肤颜色和的脉搏心率信号的活体检验，用于防止被仿生导电材料做成的假手指攻击；声纹识别可结合使用电磁场检测，来判断声源为真人还是扬声器等。 另一方面，考虑到应用场景的不同需求：持续认证、移动设备上识别、个人隐私保护等，新型生物识别技术也是应需而生。比如，浙江大学网络空间安全团队针对持续认证，开发了“心脏密码”系统通过不间断用生物雷达的无线信号来感知心脏运动，实现了易用性高的非接触式可持续认证；针对移动设备上的生物识别，利用设备内置摄像头捕捉到的眼球运动，智能手环上测量到的心电图，以及虚拟现实头罩测量到的眼电图和脑电波都相应的实现了可靠的生物识别；针对生物识别中的个人隐私保护，采用无线信号成像来代替摄像头，既避免了摄像头受视角和阻挡等条件的限制，更消除了直接获取图像的隐私泄露风险。 另外，正如每种生物特征各有特点，在充分考虑各种攻击场景下，任何单一生物识别技术往往都呈现出特定的优势和局限。每个模态都具有不同的数据安全程度、采集适应场景、隐私敏感度等，因此解决方案并不能通过单一技术完全达成。 多模态多因子生物识别技术融合因此非常重要。比如夜晚光照不理想，人像识别率低，结合红外成像和热成像的跨模态互补就能增强人像识别的准确度。像是蚂蚁金服多模态融合人脸识别技术实现用户的精准识别，满足金融级误识率（低至千万分之一误识率）下，大大超出了单模态人脸识别技术能达到的性能瓶颈，并提升了人脸识别的安全性。同时，还充分利用移动设备的芯片级安全能力，经过与产业链多方的合作，构造了基于TEE（可信执行环境）的全链路安全协议，为生物支付提供了强有力的安全保障。此外，通过风险感知模块检测黑产攻击，风控引擎自动更新风险模型，风险拦截效率大幅提升，充分保证了交易安全。 未来生物识别技术的趋势便是如此，将会从传统的只提取人体生理特征，向人、物理世界、数字世界融合的认证方向发展。生物识别技术将在和环境特征、数字凭证相结合，满足时空关联、多模态多因子融合的基础上完全实现可信认证。 3.“生物识别”“多模态融合”作为主流研究方向形成标准化的应用共识 从实验室走向产业商用，从模型走向安全产品，靠的是持续生物识别技术迭代和多重技术算法的保障，尤其引起我们关注的是“安全和隐私保护”。 基于这一点，去年，浙江大学和蚂蚁金服联合成立了数据安全与隐私保护实验室，汇集了双方创新力量和优势资源，产学研联合推进前沿科技研究，提升国内生物识别行业安全技术水平。 目前针对人脸数据脱敏、不可逆、可更新、加密等做了大量研究，给生物识别信息保护提供可行的安全技术解决方案。部分安全技术已经转化应用到蚂蚁金服人脸识别技术上，支撑大量金融级安全应用。 在生物识别技术突破最多的是人脸识别，即在图像特征抽取和人脸比对环节中取得了很大进展。但从实验室之外的实际场景应用模拟发现，其影响因素很多。从全链路的角度来看，活体检测、人脸交互、关键点定位、人脸跟踪等在真实的场景下，特别是不同的手机、环境、用户背景等条件下，想做到非常好并且稳定的用户体验是很难的。我们对此进行了很多特殊的优化，如使算法在不同的手机上达到比较一致的运算速度、响应时间，通过文案设计提高用户对刷脸的感知和理解，适应用户背景（如光线、角度等），分析基于其他传感器数据的反馈等。同时企业根据自身业务的不断发展，向学术界持续反馈新的需求，也反过来促进了联合实验室在新技术前沿开拓的方向感和紧迫感，产学研联动形成良性闭环发展。 基于我们共同进行的大量研究、实践积累，近期企业已在IEEE成立“移动设备生物特征识别”标准工作组，并立项“生物特征识别多模态融合”IEEE国际标准。这也是中国企业首次在国际标准中，提出移动设备多模态融合技术的实现框架、功能要求、性能要求、安全要求等。这意味着，“生物识别”、“多模态融合”作为主流研究方向将形成标准化的应用共识。这也是一项技术脱离实验室踏上商用之路的重要一步，有利于推动行业平均技术发展水平。而国际标准是国际规则和共识重要通用载体，对整个行业良性发展至关重要，也是具备技术实力的中国企业必须具备发言权之处。毫无疑问，高校和企业在生物识别这类国际前沿技术及标准上的探索，是中国科技布局眼光、研究能力、科学严谨性的综合体现。它同样预示着，中国企业在人工智能技术领域的国际竞争进入新阶段——从产品出海到技术走出去，如今又向输出全球标准迈进。
    137浏览量
    原文链接

  • 《ESMO 2023：人工智能是肿瘤学的“新目标”》
    • 来源专题：战略生物资源
    • 编译者：李康音
    • 发布时间：2023-10-31
    • 本文内容转载自“智药局”微信公众号。原文链接: https://mp.weixin.qq.com/s/aELFPPL7A9PVTFVWX0m9tg 欧洲肿瘤内科学会年会 (ESMO) 是欧洲最负盛名和最具影响力的肿瘤学会议。2023 年 ESMO 大会于 10 月 20 日-24 日在西班牙马德里举行，超过3300名肿瘤学家到场交流，涵盖了肿瘤领域的基础研究、转化研究以及最新的临床研究进展。今年的大会上，也聚集了马德里的医生和深度学习专家，讨论人工智能在该领域的挑战和进展。在会议上，专家们发问：“ 我们是否进入了大数据和人工智能的肿瘤学新时代？” 五大应用领域 肿瘤学中的人工智能有五大应用领域，包括转化肿瘤学（临床前实验）、癌症成像、临床结果、临床决策和人工智能系统还有望简化分子病理学实验室的工作流程。 辅助药物设计 智药局注意到，本届ESMO中有多家AI药企携最新的管线参与会议。例如英矽智能携QPCTL小分子抑制剂亮相，分享多癌种研究数据。Exscientia也带来 LSD1 和 MALT1 抑制剂的新临床前数据，目前已经进入临床管线中。除此之外，还有药企分享借助人工智能和生物信息平台改善细胞疗法的结果。“经过多年的负面研究和高毒性率，由于嵌合抗原受体设计的改进、特异性的上调以及可能的下调，新的分子技术和生物信息学平台似乎有助于产生具有更积极结果的增强细胞疗法。”丹麦哥本哈根大学医院国家癌症免疫治疗中心的 Inge Marie Svane 教授说。 例如，大会介绍了来自BioNtech的一种非工程新抗原特异性 T 细胞产品 (BNT221) 治疗难治性转移性黑色素瘤的 I 期首次人体研究的中期结果。这项疗法使用通过白细胞分离术从个体患者身上收集的外周血单核细胞来创建个性化的 BNT221，其中包含针对患者肿瘤特异性的多种新抗原的 T 细胞反应。BioNtech使用生物信息学平台预测每位患者的免疫原性新抗原产物，然后用于在离体诱导过程中启动、激活和扩展来自 CD4+ 和 CD8+ 区室的记忆和从头 T 细胞反应。结果显示，9 名患者在淋巴细胞清除化疗后接受单次输注 BNT221，没有观察到剂量限制性毒性以及与淋巴细胞清除相关的输注后 3-4 级血液学毒性。9 名患者中有 4 名检测到肿瘤缩小。通过 TCR 测序分析，在一名接受测试的患者中观察到肿瘤浸润的证据。虽然到目前为止只有少数患者接受了治疗，因此预测反应的程度或持久性还为时过早，但令人鼓舞的是，注入的新抗原特异性 T 细胞浸润了肿瘤病变，这意味着它们能够瞄准肿瘤。 生成新疗法的生物信息学平台正在迅速塑造研究格局，但仍需要正确定义其评估和批准。 诊断癌症成像 癌症成像和预测生物标志物识别是 2023 年 ESMO 大会上提出的研究报告中执行地最好的任务。近年来，人工智能应用已从研究转向临床实践，多种人工智能工具现已获得美国 FDA 批准或在欧洲获得 CE 标志，还有许多其他工具目前正在评估中。在 2023 年 ESMO 大会上，展示了多种人工智能工具的性能数据，强调了它们在一系列应用中的优势。例如一项研究表明，开发用于肺结节分析的人工智能工具首次证明了在CT图像上预测磨玻璃结节（GGNs）患者肺癌风险的能力，用来帮助对GGN患者展开干预性措施。AI工具评估了来自169个癌症和347个良性结节的CT图像时，与两个参考模型相比，它显示出积极预测GGN恶性肿瘤的能力略高，受试者工作特征曲线（AUC）下的面积为89.1%，而86.5%和80.9%。此外，该工具排除了48.7%的良性模块（100%灵敏度）的恶性肿瘤，而参考模型的恶性肿瘤为14.1%和16.7%。 人工智能系统还有望简化分子病理学实验室的工作流程。AIMMeR 的评估就是一个例子，这是一种人工智能工具，用于自动确定大会上提出的 II/III 期 CRC 患者的免疫组织化学图像中的错配修复 (MMR) 蛋白状态。该分析包括来自 SCOT 试验的 2,000 多个病例，比较了基于奥沙利铂的辅助化疗 3 个月和 6 个月，AIMMeR 在识别 MMR 缺陷方面表现出很高的准确性，证明了该队列的预后和预测价值。 识别临床结果/预测生物标志物 ESMO中还探讨了人工智能在识别临床结果的预测生物标志物方面的作用。在第一个项目中，对深度学习 AI 框架 NaroNet 进行了评估，以确定可预测 53 名接受免疫检查点抑制剂治疗的晚期黑色素瘤患者的疗效和毒性结果的生物标志物。在治疗前的肿瘤标本中，NaroNet 确定了两个肿瘤微环境邻域，它们均与 3-4 级免疫相关不良事件（均 p=0.008）和疾病进展（均 p=0.009）显著相关。研究作者提出，这些社区有可能作为治疗前的生物标志物，以识别可能受益于替代治疗方案的患者。 在第二项研究中，对接受检查点抑制剂和化疗的转移性结直肠癌 (CRC) 患者的全切片图像中的肿瘤浸润淋巴细胞 (TIL) 进行了人工智能分析，以预测对免疫肿瘤药物的反应。在此分析中，Lunit SCOPE IO 工具有效地表征了肿瘤微环境，并揭示了几种免疫相关生物标志物和结果之间的关联。研究人员得出结论，基于人工智能的肿瘤微环境评估，特别是肿瘤内 TIL 密度，与复发性晚期头颈鳞状细胞癌 ICI 的良好治疗结果相关。该研究已经发布在《临床肿瘤学杂志》(JCO) 上。 专家 指出：“正如这两项研究所示，将人工智能模型应用于数字化(H&E) 染色样本，强调了它们提取具有生物学和临床意义的见解的潜力。”“这可能具有深远的影响，特别是在癌症免疫治疗领域，因为它能够预测治疗反应、进展风险和免疫治疗相关副作用的风险。” 新的黄金 尽管人工智能和数据科学在ESMO上不算主角，大家更关心的是药物的临床阶段数据，尤其是ADC药物。但仍需承认的是，AI已经成为不可忽视的力量，正在改变癌症研究的某些领域。当下，已经有基于人工智能的平台帮助药物的更快地进行临床前研究，影像和病理诊断，以及分析电子健康记录和医学成像设备中常规收集的数据。例如，在癌症遗传学领域，出具患者与靶向治疗的基因组报告很多都是通过人工智能识别的。在本届大会中，发布了《ESMO 肿瘤学真实世界证据报告指南（GROW）》旨在指导该领域的科学报告，也涵盖了基于人工智能的技术主题，这并非巧合。 作为临床试验的补充，由先进数据分析支持的现实世界研究变得越来越普遍，并且也开始在药物研发阶段，被监管机构使用。为了训练算法，公司需要大量数据，因此获取数据已成为一种商业模式。包括私人生活、实验室测试、生物样本和诊断数据。在AI赋能肿瘤学的当下，医院生成的数据可以被视为新的黄金。 未来，这些由算法构建的模型会帮助患者带来更多的疗法，减轻医生的负担，以及更好的患者护理和监管。
    524浏览量
    原文链接