港大頜面外科團隊研發人工智能平台
預測口腔白斑患者演變成癌症的風險
2022年04月10日
口腔癌是一種頗常見的癌症，影響頭頸部位。大約五成的口腔癌患者存活不超過五年，主要是發現時已屬較後期，需要複雜的治療方案，癌細胞亦有可能已擴散到其他部位。
口腔癌初起的表徵很多時是口腔内一些白斑，臨床診斷為口腔白斑病（oral leukoplakia OL） 和口腔類扁平苔蘚黏膜炎（oral lichenoid mucositis OLM)。這些白斑可能在出現一段長時間後才被確診口腔癌，所以能儘早發現並持續監察，防止它們惡化發展至為重要。
然而，OL/OLM轉化為癌症，目前全球的風險比率由0.4% 至40.8%不等， 因此要得知那些白斑最終會演變成口腔癌，臨床上是極大的挑戰。同時，病人一般需要定期覆診和接受多次切片檢查，持續監察多年，令患者感到疲憊甚至拒絕覆診。因此，若能因應個別病人的狀況，預測其演化成癌症的風險，將有助醫療人員為病人制定特定的醫療策略和跟進方式。
來自香港大學（港大）牙醫學院、李嘉誠醫學院，瑪麗醫院病理部，以及昆士蘭詹姆士庫克大學醫學與牙科學院的研究人員，共同研發了一個網上平台，在輸入相關資料後，能針對患有OL或OLM的病人，預測他們的口腔癌病變風險，預測期長達20年之久。網上平台開放給醫護人員和公衆免費使用。
研究結果已於學術期刊《Cancers》發表，文章題爲 「深度學習能預測口腔癌前病變患者的無惡性轉化存活期」（“Deep learning predicts the malignant-transformation-free survival of oral potentially malignant disorders”）。
研究團隊採用「DeepSurv」人工智能演算法，此演算法預測癌症病變的表現優異，經一連串的驗證練習後，能根據病人的一般個人統計資料、臨床和病理數據，以及治療資料等準確預測病人罹患的風險。他們利用香港和英國紐卡素泰恩的OL和OLM的病人數據，訓練人工智能平台並測試其準確度。由於這些病人已被跟進多年，其病歷發展已經明朗，可與平台的預測對照。測試證實，新平台能準確推算這些病人的實際病變發展，在他們每個復診的時間點，平台預測的癌症風險水平與實際情況相吻合。
在香港用作驗證的716名病人的數據，「DeepSurv」能正確預測95% 病人的癌症風險水平。在反映預測準確度的Brier綜合得分是0.04。通常預測工具如果得分低於0.25，已可轉化作實際臨床應用。
而利用英國紐卡素泰恩的382名病人數據，平台正確預測82%病人的風險水平，表明其對不同的人口也具實用性。
團隊期望這人工智能工具有助改善口腔癌的預防和早期診斷。利用開放平台，醫護人員可為高危患者制訂監測時間表和治療策略，對資源有限的醫院，有助其確定處理病患的優先次序。
使用平台預測病變風險，需輸入二十六項有關病人的個人背景資料、病症的臨床和病理描述，以及接受的治療等。就每個個案的風險評估，平台會呈現一條曲線，展示每個時間點預測的風險級別。而當患者達到一定的風險水平時，醫護人員可開始加密對患者的監察。（圖一）
除了醫護人員，OL/ OLM患者使用平台可了解自己的病情趨勢，這有助提高風險意識，鼓勵他們定期覆診，並在有需要決定是否做切片組織等進一步檢查時，得以參考。
而預測的風險水平，從輸入資訊日起計17年内維持準確度。值得注意的是，預測的風險曲線會隨著輸入數據的轉變而有所變化，例如吸煙和飲酒狀況、受影響的口腔部位、接受的治療、復發情況以及治療監測期間口腔上皮變異的程度等，因此輸入數據需適時更新。
帶領研究的港大牙醫學院口腔頜面外科臨床副教授蘇宇雄醫生說: 「雖然驗證練習的結果，證明這人工智能預測工具非常可靠，但用者要知道，它的開發主要以研究為基礎，故仍有需要再進一步優化發展。」
「由於癌症的發展，在確診前涉及很多生物分子層面上的轉變，我們計劃加入OL和OLM演變成癌症的過程中相關分子生物標記的訊息，優化預測平台，提高風險估計的精準度，之後再評估其臨床成效，以及在臨床試驗中了解其對OL和OLM護理的影響。」蘇醫生補充說。
香港大學牙醫學院口腔頜面外科臨床副教授蘇宇雄醫生、研究助理教授蔡小慧博士、博士生John Adeoye醫生和口腔黏膜科學臨床副教授鄭立武醫生。
（圖一）醫生和牙醫可根據曲線的高低來比較兩個或多個OL / OLM患者罹癌的風險。一般來說，當風險概率從0.5（藍色虛線）至1.0，預計患癌的風險越來越低。患者A的預測癌症風險水平低於患者B和C。患者C的癌症發生風險最高，需在癌症預防手術後進行非常密切的監測。
「DeepSurv」進行OL或OLM病患者的癌症風險預測
病人患有舌類扁平苔蘚黏膜炎
病人患有頰黏膜白斑
