據(jù)prnewswire報道，IBM Watson Health及其合作伙伴在美國臨床腫瘤學會 (American Society for Clinical Oncology) 2019 年會上發(fā)布了22項新科研成果，展示了IBM Watson Health在為全球癌癥治療提供臨床決策支持方面取得的進展。
IBM Watson Health腫瘤學與基因組學首席醫(yī)療官、醫(yī)學博士、工商管理碩士Nathan Levitan表示：“當前，人工智能技術(shù)正在實際臨床工作中，幫助醫(yī)生改進治療癌癥的方法。人工智能幫助多學科腫瘤診療團隊根據(jù)整合的科學證據(jù)作出更明智的決策、提供無法通過人工識別發(fā)現(xiàn)的重要見解和信息，并通過提供全面的治療方案，提高患者的滿意度。”
Watson Health的研究表明，Watson人工智能系統(tǒng)在支持基于實證的治療決策、增強患者對治療計劃的信心、標注基因組變異以及確定臨床干預(yù)措施方面具有一定價值。總共有70多份經(jīng)同行評議的研究報告、海報和摘要為Watson Health系列解決方案在腫瘤學和基因組學領(lǐng)域的產(chǎn)品與服務(wù)提供支撐。
Levitan補充道：“人工智能處于在醫(yī)療健康決策的早期應(yīng)用階段。Watson Health 在今年美國臨床腫瘤學會年會發(fā)布的研究提供了令人信服的證據(jù)，證明了在幫助腫瘤醫(yī)生改善每位患者的癌癥治療方案方面，這項技術(shù)將發(fā)揮重要的作用。”
以下是 Watson Health在美國臨床腫瘤學會年會上發(fā)布的一些重要研究成果：
· 多學科腫瘤診療團隊基于Watson腫瘤解決方案提供的信息，調(diào)整了其13.6%病例的治療方案：在對印度1000名乳腺癌、肺癌和結(jié)腸直腸癌患者的Blinded evaluation（盲法評估）中，曼尼帕爾醫(yī)院（Manipal Hospitals）的多學科腫瘤診療團隊根據(jù)Watson腫瘤解決方案提供的信息，改變了針對13.6% 的病例的治療決策。研究人員表示，對這些病例的治療方案進行調(diào)整的原因包括，Watson提供了支持新治療方案（55%）、更加個性化的替代方案（30%）的最新證據(jù)，或者它從基因型、表型數(shù)據(jù)以及不斷發(fā)展的臨床經(jīng)驗中獲得了新的洞見(15%)。
曼尼帕爾醫(yī)院腫瘤外科主任 、首席研究員SP Somashekhar表示：“結(jié)合以往研究，這一證據(jù)表明，人工智能提供的決策支持能夠減輕腫瘤學家的認知負擔，這種認知負擔正是導(dǎo)致醫(yī)生不堪重負的一個重要因素。我們將 Watson 腫瘤解決方案視為一種重要的決策支持工具。同時，這項研究也表明人工智能有助于減少治療的不規(guī)范性。”
· Watson基因解決方案為治療血液惡性腫瘤患者（Hematological Malignancies）的腫瘤學家提供了新洞察：在Hallym大學醫(yī)學院（Hallym University College of Medicine）對54名血液惡性腫瘤患者進行的一項研究中，Watson 基因解決方案對測序結(jié)果的基因組注釋與人工形成的專家意見非常匹配(隨機篩選的基因組組注釋一致率達到90%），而且Watson基因解決方案還在 33% 的檢測病例中發(fā)現(xiàn)了人工解讀未能發(fā)現(xiàn)的、具有臨床性的洞見。這表明，需要投入大量人力的基因測序結(jié)果審核工作，可以借助像Watson基因解決方案這樣的工具獲得提升。
· Watson腫瘤解決方案提升了癌癥患者對抗疾病的信心：北京朝陽中西醫(yī)結(jié)合急診搶救中心的腫瘤科的于忠和主任表示，通過把 Watson腫瘤解決方案整合到分為 7個步驟的患者參與和咨詢流程之中，可以幫助患者更好地了解所患疾病和治療方案，從而增強他們對治療方案的信心。
“當患者不了解他們的疾病和治療方案時，我們經(jīng)常會看到他們對治療的信心不足，站群服務(wù)器，這可能會使患者對治療方案的接受度降低。在制定治療方案以及與患者互動的過程中引入Watson，幫助我們顯著提高了患者滿意度，香港免備案主機，提升了患者對治療方案的信任度，讓他們更愿意由Watson人工智能支持的腫瘤會診篩選出的最優(yōu)化的治療方案。”于忠和表示。
IBM Watson Health持續(xù)改進產(chǎn)品
IBM Watson Health不斷提升其產(chǎn)品的能力，以幫助醫(yī)生提高癌癥治療的有效性和效率。在美國臨床腫瘤學會年會期間，IBM Watson Health發(fā)布了關(guān)于一種新方法的數(shù)據(jù) ，該方法通過對三個專家資源（NCCN、NCI-PDQ和Hemonc.org）中引用的論文摘要文本進行機器學習，自動識別與臨床相關(guān)的高質(zhì)量科學出版物。該模型在測試中對論文進行分類的準確率達到93%，敏感性達到95%，特異性達到91％。這說明機器學習可以用來自動識別相關(guān)臨床醫(yī)學出版物，而且可以減少臨床醫(yī)生為患者尋找治療方案的相關(guān)證據(jù)所花費的時間。
