2022開年不久
人類醫學迎來重大突破
1月上旬
全球首例
人類成功移植豬心臟的手術
在美國馬里蘭大學醫學院完成
術后48小時內,患者并未發生任何險情,假如未來一段時間豬心臟仍能維持正常工作,這次手術將成為異種器官移植的里程碑。
心臟移植作為器官移植的重要組成部分,目前已成為終末期心臟病患者的最佳治療手段。然供體短缺嚴重限制了器官移植手術的大量開展,根據世界衛生組織數據,每年全球只有不到10%的器官移植需求能得到滿足。
鑒于此,醫學界將目光轉到異種器官移植領域,但排異問題是巨大障礙,此番馬里蘭大學醫學院成功進行移植的心臟就來自經過基因編輯的豬,以最大程度降低排異反應。
長遠來看,異種移植應用前景廣闊,但目前還有不少障礙需要克服。撇開任重道遠的異種器官移植,我們把目光轉到人類心臟移植上,臟源短缺是一方面問題,但實際上即便有了臟源,接下來的移植也是一大關卡。
不完美的移植前判斷
器官排斥是心臟移植最大的風險之一,受體的免疫系統對供體器官中的外來抗原起反應并且錯誤地攻擊它,嚴重時可造成致命后果。
來自美國國家生物技術信息中心的數據顯示,接受心臟移植的患者中,大約10%的人在術后三年內死于移植排斥反應。
為確保寶貴的臟源不被浪費,盡可能降低排斥反應的發生,手術之前心臟病理學家將對受者心臟進行心內膜心肌活檢,以評估供體心臟是否會在受者身上起作用。
他們在顯微鏡下觀察受體心臟,某些情況——例如聚集大量淋巴細胞,表示存在有害炎癥,由此很可能出現一直排斥反應。檢查活組織時,心臟病理學家會按0-4的等級進行打分,0表示不存在器官排斥機會,而4代表更高的排斥風險。
但這種心肌活檢評分方式存在一個嚴重問題:一致性差。
一位病理學家給某個活檢打0分,而其他人可能會打出更高分數。當研究人員要求資深的病理學家對收集的活檢集合進行排名審查時,他們僅在62.6%的情況下達成一致——這意味著如果你向5名病理學家詢問一張圖像,5個人里會有2個人存在分歧。
很難說人類在預測心臟移植排斥反應方面有多準確,因為他們不直接預測結果,只對幻燈片進行評分,但沒有共識確實是個嚴重問題。
那么技術是否能夠克服人類存在的分歧,幫助建立更好的共識呢?
人工智能克服病理學分歧
通常,在預測心臟移植結果時,病理學家主要關注細胞密度,而更擅長捕捉空間排列特征的機器則提供了一個新視角。
自2018年開始,凱斯西儲大學Donnell研究所的生物醫學工程教授阿南特·馬達布什,就和他的團隊從美國三大移植中心(賓夕法尼亞大學醫院、克利夫蘭大學醫院醫學中心和俄亥俄州立大學韋克斯納醫學中心)采集了2000多張接受心臟移植患者的活檢圖像用于心臟移植預測研究。
該團隊使用機器學習識別每張圖像中的心肌細胞和淋巴細胞,他們開發了一種可以在空間上識別這些不同類型細胞位置的算法。
在已知部分圖像的患者最終是否經歷了心臟排斥反應前提下,研究人員可以利用這些信息確定細胞的空間排列對預測心臟移植成功的影響程度。
當團隊將他們的算法與病理學家的數據相結合時,一致性提高到了大約66%的水平!這意味著人類在62%的時間里同意其他人,而在66%的時間里同意機器的評估。
盡管這種增加“可能看起來不多”,但在醫學上卻是顯著的,特別是從患者的角度考慮時——擁有更可靠的信息將有助于改善健康結果。哪怕只是挽救了少數患者的生命,也是值得的。
機器提供第二意見為心臟移植帶來了更多信心——如果病理學家和機器都打出高分,即表明某人會經歷排斥的可能性更高。相反如果機器和人類存在不一致,則可能需要引入另一位獨立專家提供額外意見。
馬達布什教授表示,在中短期內,該機器學習模型可以作為心臟病理學家的決策支持工具,提升預測心臟移植結果的準確性。
未來,該團隊希望擴展研究并預測患者的長期表現,即不僅是他們是否會接受或拒絕捐贈的心臟,還包括他們是否會保持健康以及持續多長時間。
科技本質是為人類服務,如上所述,先進的人工智能技術與醫療科學結合改善人類生存質量,這是所有科技工作者喜聞樂見的事。
如今人工智能在工業、醫療、金融、互聯網等多個行業創造出多種應用場景,隨著機器學習模型參數從千萬級別到千億級別甚至萬億級別發展,算力成為制約人工智能發展的重要因素,為了滿足海量數據訓練需求,高性能算力的支持必不可少。
戴爾科技集團發布的面向數據中心高性能AI計算的優化服務器PowerEdge XE8545,架構設計簡潔且高效,4U空間支持4塊NVIDIA A100 SXM4 80GB/40GB GPU加速卡,CPU、GPU、IO之間盡量直連,可充分保障數據通信及IO傳輸性能,以高性能算力助力AI在各個行業的快速落地。
“要么移植,要么死!”這是很多終末期器官衰竭患者面臨的局面,鑒于目前可用器官的稀缺現狀,供體與最有可能在移植后存活的人相匹配十分重要。除了改善心臟移植結果,未來隨著AI在生命科學領域的參與向縱深推進,必將有更多人從中受益。