创新背景

为癌症患者选择合适的治疗方法的第一步是确定他们所患癌症的具体类型，包括确定原发部位——癌症发生的器官或身体部位。

在极少数情况下，即使进行广泛的检测，也无法确定癌症的来源。虽然这些癌症的原发原因不明，往往具有侵袭性，但肿瘤学家必须用非靶向疗法来治疗它们，这种疗法往往具有严重的毒性，导致存活率很低。

创新过程

麻省理工学院科赫综合癌症研究所和麻省总医院(MGH)的研究人员开发了一种新的深度学习方法，通过仔细观察与早期细胞发育和分化相关的基因表达程序，可能有助于对未知原发癌症进行分类。这种人工智能工具能够以高度的灵敏度和准确性识别癌症类型。这项研究于8月30日发表在《癌症发现》杂志上。

开发中的机器学习

解析不同原发肿瘤类型之间的基因表达差异是机器学习要解决的理想问题。癌细胞的外观和行为与正常细胞非常不同，部分原因是它们的基因表达方式发生了大量改变。由于单细胞分析技术的进步，以及在细胞图谱中对不同细胞表达模式进行分类的努力，有大量的数据包含不同癌症起源的线索。

然而，建立一个机器学习模型，利用健康和正常细胞之间的差异，以及不同种类的癌症之间的差异，成为一个诊断工具，是一个平衡的行动。如果一个模型过于复杂，并且包含了太多癌症基因表达的特征，那么该模型可能会看起来完美地学习训练数据，但当它遇到新数据时就会动摇。然而，通过缩小特征的数量来简化模型，该模型可能会错过那些可以导致癌症类型准确分类的信息。

为了在减少特征数量的同时提取最相关的信息之间取得平衡，该团队将模型的重点放在了癌细胞中改变的发育路径的迹象上。在胚胎发育和未分化的细胞分化成各种器官的过程中，有多种途径指导细胞如何分裂、生长、改变形状和迁移。随着肿瘤的发展，癌细胞失去了许多成熟细胞特有的特征。与此同时，随着它们获得增殖、转化和转移到新组织的能力，它们在某些方面开始类似于胚胎细胞。许多驱动胚胎发生的基因表达程序在癌细胞中被重新激活或失调。

研究人员比较了两种大型细胞图谱，确定了肿瘤和胚胎细胞之间的相关性：癌症基因组图谱(TCGA)，包含33种肿瘤类型的基因表达数据，以及小鼠器官发生细胞图谱(MOCA)，描述了胚胎细胞发育和分化过程中的56个独立轨迹。

最终得出的肿瘤和胚胎细胞发育基因表达模式之间的相关性图被转化为机器学习模型。研究人员将来自TCGA的肿瘤样本的基因表达分解为与发育轨迹中特定时间点对应的单个组件，并为每个组件分配一个数学值。然后，研究人员建立了一个名为发育多层感知器(D-MLP)的机器学习模型，该模型可以对肿瘤的发育成分进行评分，然后预测其来源。

对肿瘤进行分类

训练后，D-MLP被应用于52个新样本，这些样本的原发原因不明，特别具有挑战性，无法使用现有工具进行诊断。这些病例代表了从2017年开始的4年期间MGH最具挑战性的病例。令人兴奋的是，该模型将肿瘤分为四类，并得出了可以指导这些患者诊断和治疗的预测和其他信息。

例如，一个样本来自一位有乳腺癌病史的患者，她的腹部周围的液体空间显示出恶性癌症的迹象。起初，肿瘤学家找不到肿瘤肿块，也无法用当时的工具对癌细胞进行分类。然而，D-MLP对卵巢癌有很强的预测能力。六个月后，患者首次提出，最终发现一个肿块在卵巢，证明是肿瘤的起源。

此外，该研究对肿瘤和胚胎细胞的系统比较揭示了对特定肿瘤类型的基因表达谱的前景，有时甚至令人惊讶。例如，在胚胎发育的早期阶段，一个基本的肠管形成，肺和其他邻近的器官从前肠产生，而消化道的大部分形成于中肠和后肠。该研究表明，肺源性肿瘤细胞不仅与前肠有很大的相似性，而且与中肠和后肠源性的发育轨迹也有很大的相似性。像这样的发现表明，有一天，发展计划的差异可能会被利用，就像基因突变通常被用来设计个性化或针对性的癌症治疗一样。

虽然这项研究为肿瘤分类提供了一种强有力的方法，但它也有一些局限性。在未来的工作中，研究人员计划通过整合其他类型的数据，特别是从放射学、显微镜和其他类型的肿瘤成像中收集的信息，来提高他们的模型的预测能力。

创新价值

研究团队开发了一个名为发育多层感知器(D-MLP)的机器学习模型，该模型可以对肿瘤的发育成分进行评分，然后预测其来源。这项新型的工具可以让肿瘤医生选择更有效的治疗方法，并给他们的患者提供更多的指导。