条文本
PDF
来自Altmetric.com的统计
简介
大肠癌(CRC)曾经被认为是撒哈拉以南非洲地区的罕见疾病，但几十年的全球化改变了这种说法。目前，结直肠癌是SSA地区第五大常见癌症，虽然在一些高收入国家，结直肠癌发病率和死亡率正在下降，但SSA地区的发病率却在上升。1由于CRC是由良性前体息肉发展而来，经过数年的时间，早期发现对于预防恶性肿瘤或在高度可治愈的早期阶段发现它是至关重要的。此外，治疗性手术已被证明可以提高SSA环境下的生存率。2不幸的是，超过60%的SSA患者出现4期结直肠癌，5年生存率<1%。3 - 5相比之下，美国近40%的患者为1期结直肠癌，5年生存率为90%。6 7广泛的基于人群的CRC筛查规划和工具(如粪便免疫化学检测(FIT)、结肠镜检查)改善了高收入国家的早期发现，但目前缺乏特定于ssa的数据、工具和筛查规划。迫切需要制定更有效的CRC筛查和早期发现方法，而不是严重依赖受过训练的卫生保健人员或专业资源(如内窥镜检查、病理学)，这些资源在低收入和中等收入国家往往是稀缺的。
人工智能(AI)和机器学习(ML)方法的最新技术进步和发展有可能改变全球卫生，特别是在SSA中CRC的早期检测和诊断方面。研究人员正在收集大量的数据，尽管非洲的数据科学应用在很大程度上不发达，但许多促成因素已经具备。云计算的发展、医疗信息数字化方面的大量投资以及强劲的移动电话普及，已使沙特阿拉伯的许多地方具备启动有意义的AI/ML应用的必要基础。8非洲南部地区的企业已经接受了技术变革，在移动银行的普及上超越了高收入国家(例如，M-PESA——为那些在非洲使用银行有限或无法使用银行的人提供的首批移动银行系统之一)。9此外，政府间机构已召开高调会议，讨论人工智能解决方案的发展和民主化，以应对具体的全球挑战。10 11联合国强调了人工智能在实现可持续发展目标方面的核心作用。2美国国立卫生研究院在过去5年里投资了约7450万美元，根据其新的利用数据科学促进非洲卫生发现和创新(DS-I Africa)方案，在全非洲推进数据科学、催化创新和促进卫生发现。11考虑到这些资源和投资，AI/ML应用对沙特阿拉伯医疗保健的影响迫在眉睫。
在此，我们讨论了如何利用AI/ML工具进行基于人群的监测，并改善SSA中CRC的早期诊断和预后。我们强调了目前可用的CRC筛查方案和工具在SSA设置中的局限性，并提供了两个潜在的AI/ML方法的例子:(1)基于人群的监测和早期检测的多分析物分析算法分析(MAAA)和(2)模式识别和计算机视觉算法指导诊断建议和预后。虽然CRC是用例，但我们也讨论了当前围绕非洲数据科学能力的举措如何提供一个平台，将这种基于人工智能的解决方案扩展到其他潜在的高影响领域，如孕产妇、新生儿和儿童健康以及非洲日益增长的非传染性疾病(如其他癌症、糖尿病、心血管疾病)负担。最后，我们强调这些创新解决方案如何通过互惠创新影响高收入国家的卫生成果。12 - 15
ssa中现有CRC筛查工具的局限性
SSA缺乏关于CRC预防和检测的筛查规划和政策。此外，关于疾病病因和流行率的数据稀少，使从业人员对其社区的疾病知识基础有限，无法获得充分的循证筛查和早期发现工具。这些限制是可以理解的，因为历史上传染性疾病的负担一直折磨着沙鼻窦。然而，由于儿童sa经历了从传染病到非传染病(如儿童CRC)的流行病转变，该疾病的病因和解决新出现的儿童CRC流行病的办法需要儿童sa特有的数据和方法。由于人口统计、疾病流行病学和资源的差异，将高收入国家的癌症筛查建议外推到SSA往往是不适当的。例如，一般建议在50岁时进行结直肠癌的平均风险筛查;然而，美国预防服务特别工作组、美国癌症协会和美国结直肠癌多社会特别工作组最近建议将寿命降低到45年。16日至18日在SSA，根据现有数据估计，19%-38%的CRC诊断发生在40岁以下的人群中——与高收入国家报告的1%-7%形成鲜明对比。月19 - 21日CRC早期发展的较高风险，加上最近筛查年龄的降低，突出了青年人中CRC的流行病学演变，以及需要调整筛查方法以捕获这一人群，特别是在SSA中。鉴于非洲人口预计到2050年将翻一番，达到近25亿人(占全球人口的23%)，一半以上的人口年龄在25岁以下，迫切需要解决这一需求。22
目前，存在几种CRC筛查和早期发现的模式。结肠镜可用于结直肠癌的检测和干预(如息肉切除)，但SSA的内镜服务有限。Mwachiro的最新数据等23据报告，东非每10万人有1.2名内窥镜医生、1.2名胃镜医生和0.9名结肠镜医生——相当于资源丰富国家的1%至10%。非侵入性筛选测试包括粪便潜血测试、FIT和基于粪便的DNA测试17日24;然而，在高收入国家和沙特阿拉伯国家，普遍采用基于粪便的方法仍然不是最理想的。25 - 28此外，关于高环境温度和地方性寄生虫感染的影响以及这些方法在SSA的实用性和成本效益的问题仍然存在。29-31无论如何，内镜检查仍然需要诊断和预后。因此，针对那些从这些有限的服务中受益的高危人群的早期检测战略是至关重要的。随着对SSA技术(如电子健康记录和云计算)的投资不断增加，现有和不断扩大的基础设施可以利用新的AI/ML方法开发和验证监测工具，以更个性化或更精确的方式确定儿童结直肠癌风险最高的人群，如下文所述。
AI和ML方法
MAAA作为一种基于人群的监测和早期检测工具
实验室研究，如全血细胞计数(CBC)和综合代谢检测(CMP)，是临床医生要求的标准诊断测试，即使在低收入和中等收入国家也是如此。这些测试通常包含微妙的诊断线索;然而，实验室研究的解释经常受到人为错误的影响。临床医生可能无法察觉症状前的CBC纵向模式，但很容易被统计算法或“预测模型”检测到，通常称为算法分析的多分析物分析(MAAA)。32目前，在高收入国家已经建立和验证了专利MAAA;这些MAAA使用CBC和人口统计数据来识别CRC高风险患者。33-36同样，我们利用纵向和单时间点实验室研究和患者特征在美国队列中开发了MAAA预测模型(接受2022年消化疾病周)。最初，我们在一组回顾性队列中(n=1 48 158, 1025例胃肠道癌症)，在2年内至少发生2例CBCs的患者中开发并比较多种MAAA来预测腔内胃肠道癌症。预测变量包括年龄、性别、种族、体重指数、CBC和CMP的个体成分。为了结合纵向特征，对每个受试者的特定CBC部分(即最大、最小、斜率和总变化)进行汇总统计。数据被分成70%训练集和30%验证集进行分析。对于消化道癌症的3年预测，纵向随机森林模型表现最好，其接受者算子曲线下面积(AUROC)为0.750 (95% CI 0.729 ~ 0.771)， Brier评分为0.116，而纵向logistic回归AUROC为0.735 (95% CI 0.713 ~ 0.757)， Brier评分为0.205。纵向logistic回归和随机森林模型在3年内优于单时间点logistic回归，AUROC为0.683 (95% CI 0.665 ~ 0.701)。这些发现是有限的，因为MAAA预测的是胃肠道癌症，而不是具体的CRC，尽管超过一半的胃肠道癌症患者有CRC (53.5%， n=548/1025)。到目前为止，这一方法尚未在低资源环境或SSA中得到验证，因为那里的人口统计和疾病病因可能不同，而且可能不容易获得纵向实验室研究。此外，CBC和CMP基线在不同基因人群中可能有所不同，并可能受到传染病和慢性疾病流行率的影响，包括其他恶性肿瘤和遗传疾病，如镰状细胞病，在不同人群中流行率不同。 While these previous studies provide proof of concept for the development of MAAA for CRC screening in SSA, it would be essential to develop and compare models that incorporate longitudinal and cross-sectional laboratory data to determine the performance and optimal specificity or sensitivity for the target populations.
CRC尤其适用于maaa引导的早期检测策略，原因有多种。首先，CRC在早期诊断时是高度可治愈的。6其次，CRC血管密度高，可产生非常细微的慢性隐蔽性失血量，可在症状出现前通过常规纵向CBCs、CMP和基于ml的方法检测到。34 35 37事实上，SSA患者往往表现为晚期结直肠癌，在临床表现有症状后被诊断。6 7第三，MAAA可以因地制宜。例如，MAAA的阳性预测值和阴性预测值可以根据目标人群(如，年龄组)、资源可用性或顺序测试方法(如，MAAA和FIT)进行调整，以最大化敏感性或特异性。在资源有限的其他环境中也进行了类似的工作，特别是在COVID-19期间，使用了基于fit的定量筛查阈值指导患者接受内镜服务。38 39最后，由于使用了在各种临床环境中收集的常规实验室，患者和医疗保健设施/提供者所需的成本和资源显著减少。鉴于抗击艾滋病毒/艾滋病的努力推动了非洲实验室医学的显著改进，这一点尤其重要。除了发展一支有能力的工作队伍和创新的质量改善规划，有1100多个实验室被登记，44个实验室被认可为国际标准，还建立了几个区域实验室网络，以支持规划的扩大和疾病监测。40这一基础设施可以支持健全的卫生保健系统，并抗击新出现的大陆和全球健康威胁，如CRC和其他癌症。尽管有可用的诊断测试，但研究表明，它们并没有最佳地用于管理患者护理，需要工具来弥合诊断和治疗的鸿沟。41 42MAAAs提供了一种帮助弥合这一差距的方法，它可以与简单的纸质工具(如nomogram)结合使用，到更复杂的基于移动应用程序的工具或设计用于低收入和中等收入国家的轻量级现场部署(基于云)实验室信息系统。43 44除了使用MAAAs作为结直肠癌诊断工具外，该方法还可用于预测结直肠癌预后和治疗结果，因为患者的CBC和CMP谱与疾病分期、转移和治疗结果相关。45-47
病理学中基于人工智能的早期诊断和预后算法
筛查后，准确及时的诊断对确定合适的癌症治疗方案至关重要。虽然CRC是通过病理学家的临床病理评估诊断的，但在SSA中这种专业知识和资源的可用性是最小的。2012年一项针对33个非洲国家的调查发现，31个国家(94%)每50万人拥有不到一名病理学家，许多国家每100万人拥有不到一名病理学家。48在高收入国家，如美国，这一比例为10%。2010年，美国每20600人中就有一名病理学家。除了缺乏训练有素的病理学家外，获得准确和明确诊断所需的免疫组化试剂仍然是一个重大障碍。与传染病不同的是，h&e染色玻片往往不足以作出精确的诊断。因此，缺乏高效和可靠的病理服务导致延误和不准确的结果报告，这导致患者接受不适当的治疗。在治疗癌症类型时，医生可能会给患者开一些昂贵但无效甚至有害的药物。基于人工智能的计算机视觉和模式识别算法的最新进展，使用常规的h&e染色整片成像，为SSA的早期癌症诊断和预后提供了革命性的工具。
模式识别算法旨在更快、更准确、更一致地检测细胞和组织样本中的异常。在临床护理中，这些工具可以通过预先筛选图像和识别潜在的问题区域，包括眼睛可能不容易看到的微妙特征，帮助病理学家提出诊断建议。例如，VIPR (Vectorising空间-我nvariantPatternR识别)算法和软件是一个完全可操作的应用程序套件，由国家糖尿病、消化和肾脏疾病研究所的肾脏精准医学项目的数据可视化核心开发。49-51VIPR使用半监督和无监督的像素级数字整张幻灯片图像内容分类，这允许对整张幻灯片图像的整个库进行极高通量的分析。VIPR与传统模式识别软件的不同之处在于，它的核心搜索基于一系列同心圆的模式匹配环，而不是更典型的矩形或方形块。这种方法利用了环的连续对称，允许独立于旋转的特征识别。通过使用大规模并行计算平台来实现必要的速度和性能，VIPR执行向量化图像数据与其他类别的患者数据(如实验室值、临床表型特征、临床过程、结果)的直接集成，从而允许对任何给定恶性肿瘤的健康状态和生物潜力进行更全面的评估。整个幻灯片图像分类的像素级精度和一致性超过了仅使用主题专业知识所能做到的。此外，它还展示了在单一幻灯片的不同视角、同一情况下的不同幻灯片以及完全不同情况下的高再现性。49-51
VIPR工具最初开发的目的是询问来自急性肾损伤或慢性肾脏疾病患者的组织，以确定疾病亚组，并确定新疗法的关键细胞、途径和靶点。自那时起，它已被证明对结肠癌的癌症检测和分类非常有效(图1)，以及血液学、乳腺癌和淋巴瘤。49-51由于VIPR被设计为一种用于疾病诊断的H&E切片自动客观评估的交钥匙系统，它适用于仅由病理学家就可以有效地将该工具纳入临床工作流程的环境，而不需要图像分析专家的立即响应。一旦组织学上不同的区域被识别或“预先筛选”，图像分析算法就可以用来挖掘单个区域，并将它们聚集起来预测恶性转化，如下所述。
数字h&e染色结肠腺癌组织切片对结肠癌的鉴别。(A)来自数字幻灯片的结肠癌图像。(B)创建一个只识别恶性腺体的载体，(C)创建一个只识别基质的附加载体。(D)布尔逻辑确定恶性腺体，减去间质。这种方法可以帮助病理学家识别小病灶的浸润性腺体或小病灶的肿瘤存在于血液和淋巴管，否则可能被忽视。数字版权Hipp等，50根据cc - by2.0获发牌照(https://creativecommons.org/licenses/by/2.0/)．
在从组织病理学中发现疾病后，疾病分级和免疫组化分类对癌症的各种亚型分类至关重要，从而确定适当的治疗方法。另一个快速发展的领域是使用计算机视觉和深度学习数字化表型组织学切片，以更好地了解治疗反应和生存率。52这些算法可以补充已作出基本诊断的病变组织的临床解释。该方法应用于图像分析和数据挖掘管道中，以识别能够区分癌症和非癌症病变的组织学特征以及胶质瘤中的恶性转化潜力(图2)．52使用来自癌症基因组图谱的完整幻灯片成像数据和这些标本的相关临床数据，我们评估了这些组织学鉴别的预后相关性。53 54组织病理学图像衍生的测量，如细胞形态，细胞组织的空间模式，结合单词袋(BoW)方法53 55用于识别具有视觉上明显特性(如核形态、空间组织模式)并与恶性转化时间相关的组织子区域。BoW方法类似于从组织的整个幻灯片图像中提取图像子区域(即斑块)的聚类。重要的是，该词典实现了0.76的AUROC(通过交叉验证)来鉴别恶性转化的替代物。虽然这种方法是在胶质瘤中开发的，但它提供了一种潜在的策略，可以将来自常规h&e染色玻片的图像特征纳入其他癌症的预后和预测模型，如CRC。除了上述方法，深度学习算法利用了流行的架构，如Reset、VGGNet和Inception，也被用于癌症预后的背景下，56 57提供了一条通往图像识别和内容挖掘的“非特征工程”方法的路径。结合最近开发的关于特征可解释性的方法，58这些工具可以合并到临床工作流程中。值得注意的是，现代计算机视觉技术旨在调整数据采集、图像着色和相关人工制品中的多种偏差，有助于开发和交付健壮的决策支持算法。
鉴别恶性转化的组织学决定因素和疾病等级的分析工作流程总结。步骤3使用支持向量机分类器，但是可以使用任何分类器(例如，随机森林)。数字版权鲍威尔等，52根据cc - by2.0获发牌照(https://creativecommons.org/licenses/by/2.0/)．BIC，贝叶斯信息准则;操作系统,整体存活率;支持向量机，支持向量机。
数字病理实验室系统和基础设施在SSA越来越容易获得。例如，VIPR软件是开源的，微型的、完全远程操作的、能够拍摄高分辨率图像的显微镜已经变得更加实惠。此外，虽然这些技术在计算上可能很昂贵(例如，需要图形处理单元和十亿像素组织病理学扫描的存储)，但SSA中云计算的出现可以改变数据使用方式的创新和效率。综上所述，我们可以设想一个分析管道，将操作模式识别工具与图像分析算法相结合，从常规的H&E组织图像中自动和民主化识别和预测CRC，该管道是可扩展的。目前在非洲开展的数据科学合作也可以促进采用和部署这些工具，以及maaa指导的CRC早期检测和诊断模型，如下所述。
未来的发展方向
在基于价值的医疗保健时代，AI/ML为改善获得医疗保健、减少浪费、优化资源利用提供了机会，并为CRC筛查、诊断和管理方面的医疗保健提供了一种质量保证机制。资助机构(政府、捐助者或商业机构)更有可能投资于一个产出易于衡量并可与现有资源进行对照的系统。这在SSA中尤其重要，因为医疗保健交付的数据驱动管理仍然是一个挑战。人工智能/毫升工具的常规使用和传播在高收入国家仍然罕见，更不用说低收入和中等收入国家了。模型性能特征的进展已经加快，但尽管在研究环境中使用回顾性数据的竖井中表现良好，预测模型(即使用逻辑回归或基于AI/ ml的方法)很少离开临床或社区环境中使用的探索性领域。在SSA中，基于AI/ ml的工具的开发和部署需要解决计算基础设施的现有限制，以及支持创建有效模型所需的本地数据的缺乏。然而，解决这些问题不会自动导致广泛采用。如果我们不能以支持社会正义和卫生公平的方式直接应对传播和采用这些预测模型的挑战，数据科学方法将对个人和人群的健康产生最小的影响。在低收入和中等收入国家以及SSA中，围绕基于AI/ ml的工具的开发、部署和采用的问题已经在其他地方得到了广泛描述。59 - 61在SSA中利用基于人工智能的方法的一些挑战和机遇的例子图3．
在撒哈拉以南非洲利用基于人工智能的方法的挑战和机遇的例子。人工智能,人工智能;CAB，社区咨询委员会;国会预算办公室,以社区为基础的组织;非政府组织、非政府组织。
为了应对这些挑战并提高在非洲卫生研究和创新中使用和发展数据科学方法的能力，国家卫生研究院(NIH)最近启动了一个新的共同基金方案:利用数据科学促进非洲卫生发现和创新(DS-I Africa)。11DS-I非洲项目建立在NIH共同基金及其在医学教育伙伴计划和非洲人类健康与遗传(H3Africa)联盟中的合作伙伴先前的投资基础上，以形成一个独特的大陆生态系统，利用现有的专门知识来开发可在全球共享、采用和协调的数据工具和应用程序，从而实现变革。DS-I联盟在整个非洲大陆和美国建立了一个强大的伙伴关系网络，包括许多国家卫生部、非政府组织、公司和其他学术机构，包括7个研究中心(所有这些中心都由非洲机构领导)、7个研究培训项目、4个专注于数据科学的伦理、法律和社会影响的项目，以及一个开放的数据科学平台和协调中心。
图4描述了DS-I非洲联盟内部的协同行动，并强调了其中一个研究中心，以演示该中心如何在肯尼亚和更大的DS-I联盟内作为可扩展和可持续的数据科学平台。示范中心“通过数据科学利用卫生信息对东非产生有意义的影响”(UZIMA-DS)将解决整个数据科学翻译领域的三个关键需求:(1)协调多模式数据源;(2)利用数据的时间模式，通过基于AI/ ml的预测建模方法识别轨迹;(3)与关键利益攸关方合作，确定这些模式在目标社区的传播和可持续性的途径。虽然UZIMA-DS的最初卫生领域处理孕产妇、新生儿和儿童健康以及精神健康方面的关键卫生问题，但该中心可作为一个模式，可推广到更大的DS-I联盟内的其他国家和卫生领域。
描述利用数据科学促进非洲卫生发现和创新(DS-I Africa)方案和模范研究中心。(A)四项主要举措是:(1)研究中心将采用新的方法进行数据分析和人工智能，以解决非洲的重大卫生问题。(2)开放数据科学平台和协调中心将为DS-I非洲研究人员提供一个灵活的、可扩展的平台，以查找和访问数据，选择工具和工作流程，并通过协作工作空间进行分析。它还将为该倡议的共同活动提供指导和管理的组织框架;(3)科研培训项目将创建多层次的课程，以培养基础卫生数据科学的技能，从硕士和博士学位到博士后培训和教员发展都有选择;(4)伦理、法律和社会影响(ELSI)项目将解决在非洲面临挑战的数据科学问题，如数据隐私和所有权、网络安全以及与将地理空间信息用于研究或公共卫生监测有关的敏感性。(B)该研究中心由东非阿加汗大学、肯尼亚医学研究所-威康信托研究项目和密歇根大学牵头，将围绕孕产妇、新生儿和儿童健康以及心理健康实施两个研究项目，并将得到三个核心的支持:管理核心、数据管理和分析核心(DMAC)和传播和可持续性核心(DSC)。管理核心将领导UZIMA-DS研究中心，促进所有中心组成部分和伙伴关系的协同和整合，促进DS-I跨联盟活动的参与。DMAC将采用FAIR(可查找、可访问、可互操作、可重用)原则，通过数据治理支持中心的数据生态系统，促进项目内的数据分析，并促进整个DS-I非洲联盟的数据共享和互操作性。DSC将促进利益攸关方的参与，以确定可持续的模式传播到目标社区的途径。 Through multisectoral partnerships with government, healthcare and non-profit sectors, the core will: facilitate the development of best practices and policies with stakeholders using data-driven approaches to inform guidelines; and promote engagement with private sectors to explore sustainable commercialisation opportunities and pathways. UZIMA-DS, UtiliZing Health Information for Meaningful Impact in East Africa Through Data Science.
最后，尽管全球卫生研究传统上的特点是高收入国家与低收入和中等收入国家之间的创新和专业知识的单向交流，但现在人们普遍认识到，这些合作具有“互惠价值”。由于需求往往推动创新，在低收入和中等收入国家研究、开发和实施的卫生工具可以通过“反向创新”加以调整和采用，以应对美国和其他高收入国家的类似挑战。13 - 15虽然从经验上讲，这是一个新兴领域，但在艾滋病毒抗逆转录病毒治疗、老年人认知障碍和心理健康等领域，已经突出了一些早期成功。62 - 65考虑到对数据科学基础设施的投资不断增长，对技术变革(即移动银行的普及)的开放态度，以及开发更有效的癌症筛查和早期检测方法的迫切需要，这些方法不太依赖于训练有素的医疗保健人员或专业资源(如内窥镜、病理学)，SSA已经准备好推动基于人工智能的创新解决方案，以提高全球专业资源的利用。
总结
随着SSA中基于AI/ ml工具的资源和投资的增长，可以设想一个CRC监测和诊断管道，使用MAAA进行基于人群的监测，模式识别和计算机视觉算法指导诊断建议和预后。这些工具将需要根据现有资源和检测方法(例如，先与MAAA进行连续检测，然后是FIT)根据当地需求进行调整，主要利益攸关方将需要参与广泛实施战略的共同设计(例如，以社区为基础的筛查方案、从业人员教育、卫生政策)。未来的研究需要将这些工具与现有的CRC监测和诊断工具(如FIT)在SSA人群中的有效性进行比较。此外，这些创新的解决方案为高收入国家适应和采用这些方法提供了机会。虽然CRC被用作用例，但这些工具可以扩展到其他流行和新兴的癌症(如肝癌、乳腺癌和宫颈癌)或其他非传染性疾病，这些疾病将受益于基于实验室的MAAA和基于计算机视觉人工智能的方法，以自动客观评估疾病诊断和预后。
伦理语句
病人同意发表
参考文献
脚注
AKW和EMW-H是联合第一作者。
推特@AkbarWaljee, @ulyssesbalis
贡献者所有作者都参与了手稿的撰写，并对最终版本给予了认可。
资金本出版物中报道的研究得到了美国国立卫生研究院(OD)主任办公室、美国国立生物医学成像和生物工程研究所(NIBIB)、美国国立精神卫生研究所(NIMH)和美国国立卫生研究院福格蒂国际中心(FIC)的支持，资助编号为U54TW012089 (AA和AW)。
相互竞争的利益AGS咨询了精确科学公司的研究资金。AR是Voxel Analytics的成员，也是Genophyll和Pact&Health的顾问。GHS是Anza生物技术公司的创始人。
来源和同行评审不是委托;外部同行评议。
请求的权限
如果您希望重用这篇文章的任何部分或全部，请使用下面的链接，它将带您访问版权清除中心的RightsLink服务。您将能够快速获得价格和以多种不同方式重用内容的即时许可。