癌症诊断的清晰视觉

Kavya Kopparapu在阅读一篇关于参议员约翰·麦凯恩的胶质母细胞瘤诊断的文章时，震惊地发现这种侵略性脑癌的预后在过去30年里没有改善。根据美国脑瘤协会(American Brain Tumor Association)的说法，在标准治疗下，胶质母细胞瘤患者在确诊后通常只能存活约11个月。

“对我来说，这真的很令人惊讶，因为我们现在对大脑有了更多的了解，我们有了很多改进的化疗和手术技术，”当时还是一名高中生的科帕拉普说。“让我震惊的是，尽管如此，我们在改善患者生活质量和预后方面还没有取得任何进展。”

Kopparapu的自然好奇心踢了，她开始挖掘癌症研究。在研究精准医疗的过程中，她注意到一种脱节——而很多研究都集中在诊断和治疗上癌症在美国，专注于利用癌症的基因特征来寻找最有效的治疗方法的研究较少。

通过传统的生物方法测定肿瘤的分子细胞类型缓慢且昂贵，这导致了对研究的这种差距。该过程通常需要DNA样品和实验室测试，并且可能需要数周或数月才能完成。在他们的测试结果甚至从实验室回来之前，许多患者将这种侵略性的癌症屈服于疾病。

利用她的背景计算机视觉和机器学习，Kopparapu决定了解AI技术是否可以简化该过程。

她使用NIH癌症数据来构建一个名为Gliovision的人工智能平台，它使用扫描的胶质母细胞瘤肿瘤形象来确定癌症的分子和遗传签名在几秒钟内，精度100％。

“创造神经网络拍摄了很多审判和错误，“Kopparapu说，他只是在哈佛大学的新生年度。”整个活组织检查图像捕获了大量不同的组织，甚至在癌症组织中，有很高的混合程度在健康细胞和癌细胞之间。“

Kopparapu将超高分辨率的图像分解成更小的片段来训练她的算法，这些算法通过聚焦细胞的密度和排列来预测特定的基因是超表达还是突变。

“大约40%胶质母细胞瘤患者有一个基因突变使标准治疗完全无效，”她说。“因此，这些患者接受了化疗的所有负面副作用，却没有获得任何治疗的好处。这说明了为什么基因检测如此重要。”

对于KopParapu来说，发展Gliovision的最大挑战之一就在最新的医学研究中加快了速度。ob欧宝直播nba她通过对世界卫生组织有关肿瘤分类和神经病理学家对诊断和治疗挑战进行讲话的报告来克服知识障碍。

但是，一旦她完善了神经网络，使其能够做出100%的预测，她面临着来自医学领域怀疑论者的挑战。

“完成项目后，难度和障碍是弄清楚如何向不同类型的人解释，”她说。“与计算机科学家谈论我使用的机器学习技术与向医生解释的机器学习技巧，从医疗的角度来看，为什么系统工作。”

在哈佛创新实验室的同行和导师的帮助下，她努力克服这些挑战。在探索创业精神和这项技术商业化的可能性时，她依赖于他们的建议。GlioVision在今年由哈佛大学技术与创业中心赞助的i3创新挑战赛中获得了创始人卓越奖。

该平台目前正在进行中临床试验与传统方法进行比较，验证其有效性。如果这些试验进展顺利，科帕拉普计划改变GlioVision，使其能够确定不同类型癌症的基因特征。

“对我来说，这个研究项目的全部意义在于最终帮助一些人，”她说。“在过去的两年里，我遇到了很多人——研究人员，他们把自己的一生都奉献给了癌症研究，以及患有这种恶性疾病的患者。听他们的故事，看看我的研究如何可以帮助他们是这个旅程中最有价值的部分。”

---

---