🤖 machine learning

Routine laboratory trajectories encode the onset of organ-level complications in cancer

这项研究表明，一种在纵向常规实验室数据上训练的 Transformer 模型，可以在癌症患者临床诊断前的数周至数月内，预测多种器官层面并发症的发生，其表现显著优于静态基准方法，并能在不同的癌症类型和医疗系统中进行泛化。

原作者： Jannik Lübberstedt, Krischan Braitsch, Jacqueline Lammert, Christof Winter, Florian Gabriel, Tristan Lemke, Christopher Zirn, Markus Graf, Friedrich Puttkammer, Hartmut Häntze, Johannes Moll, Anirudh

发布于 2026-06-09

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Jannik Lübberstedt, Krischan Braitsch, Jacqueline Lammert, Christof Winter, Florian Gabriel, Tristan Lemke, Christopher Zirn, Markus Graf, Friedrich Puttkammer, Hartmut Häntze, Johannes Moll, Anirudh Narayanan, Andrei Zhukov, Fabian Drexel, Zeineb Ben Chaaben, Sebastian Ziegelmayer, Su Hwan Kim, Marion Högner, Jan Kirschke, Florian Bassermann, Marcus Makowski, Christian Wachinger, Lisa Adams, Keno Bressem

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，癌症患者的旅程就像一条漫长而蜿蜒的道路。沿着这条路，患者会定期在检查站（医生就诊）停留，进行常规血液检查。这些测试就像是人体内部器官的日常天气预报，测量诸如肾脏过滤废物的能力、肝脏处理化学物质的能力以及血细胞状况等指标。

多年来，医生们一直是一个一个地观察这些“天气报告”，就像通过观察单张天空快照来预测风暴一样。他们可能会看到阴天并感到担忧，但他们忽略了大局：即在第一滴雨落下之前的几天或几周内，风向发生的缓慢而稳定的转变。

全新的“时空旅行”预报
这篇论文介绍了一种新型的数字天气预报员。研究人员并没有只看单张快照，而是构建了一个人工智能（具体来说是一个“Transformer”模型），它能将患者所有的血液检查历史作为一段连续的故事来阅读。他们向其输入了来自近 4,000 名患有两种类型癌症（多发性骨髓瘤和卵巢癌）的患者的近 280 万条实验室结果。

该人工智能学会了识别这些数字中微妙且不断演变的模式，而这些模式通常会被人类医生所忽略。它能够以惊人的准确度预测患者是否会在未来两年内出现 162 种不同类型的严重并发症（如肾衰竭、心脏问题或特定感染）。

核心发现（通俗易懂版）：

“早期预警系统”： 该人工智能发现，在患者感到不适或获得正式诊断之前，数周甚至数月，身体就会在血液检查中显示出问题的迹象。这就像是在风暴来临前，人工智能已经听到了远处的雷声。
优于传统方法： 当研究人员将该人工智能与仅关注最近一次血液检查（或简单的数字列表）的旧工具进行比较时，该人工智能的预测能力显著更高。它尤其擅长发现罕见但危险的问题，例如一种名为骨髓增生异常综合征的特定血液疾病，其发现频率比随机概率高出 6 倍之多。
适用于不同的“地形”： 研究人员测试了这种“天气预报员”是否对两种癌症都有效。尽管多发性骨髓瘤和卵巢癌是两种截然不同的疾病，有着完全不同的成因，但人工智能发现，导致心脏问题或感染时，身体的“天气模式”（血液检查趋势）在两组患者中看起来非常相似。这表明人工智能学习的是真实的生物信号，而不仅仅是记忆特定的疾病特征。
无需额外检测： 最令人兴奋的部分是，这个系统使用的正是已经在收集的数据。每当癌症患者进行标准抽血时，这些数据就已经存在了。人工智能不需要新的机器、新的针头或昂贵的新检测，它只需要一种更聪明的方式来解读旧有的数据。
在其他地方也得到了验证： 为了确保人工智能不仅仅是在记忆训练其数据的特定医院，研究人员在两个完全不同的美国医疗系统中测试了它。它依然有效，证明了这些“身体天气模式”是普遍存在的，并且可以在不同的医院中被检测到。

人工智能究竟“看到了”什么
研究人员通过隐藏特定的数值，要求人工智能解释它为何做出某些预测。

如果他们隐藏了葡萄糖数值，人工智能就无法预测糖尿病。
如果他们隐藏了肾功能数值，人工智能就无法预测肾衰竭。
对于心脏问题，它在很大程度上依赖于年龄和一般的血液指标。
对于罕见的血液疾病，它会密切观察红细胞计数。

这证实了人工智能并非在瞎猜；它正在利用医生已知重要的生物学线索，但它通过时间维度将这些线索联系起来，而这是单张快照所无法做到的。

底线
这项研究表明，癌症患者现有的常规血液检查中蕴含着大量隐藏信息的宝库。通过使用人工智能来阅读这些测试随时间变化的“故事”，而不仅仅是阅读“结局”，我们可以更早地发现器官损伤和并发症。论文声称，这是一种在无需任何新检测基础设施的情况下，获得严重健康问题“预警”的方法，只需更聪明地利用我们现有的数据即可。

类似论文