快速診斷乳腺癌 1天就能確定
【洛杉磯訊】由南加大（USC）的科學家們領導的科研小組，目前研發出一種新的方法，來辨別並且標記乳腺癌腫瘤分子，如果實現臨床推廣，將是一個可以挽救更多生命的方法，並可為成千上萬名女性帶來新的乳癌治理方式。這個計畫的領銜科學家為南加大Keck醫學院和Viterbi工程學院的共同教授David B. Agus。透過「機器學習」（machine learning）等技術的幫助，研究者可以讓計算機快速地給各種乳癌腫瘤照片分類，並分辨出哪一個腫瘤是雌激素的接受器（estrogen receptors），而這一點對於評估和治療非常重要。這種方法是一次跨越，目前使用的是顯微鏡和活檢來辨別雌激素接收器，這一方法已經使用了近百年。這項研究給快速診斷乳腺癌以及為患者省錢方面帶來新機遇。這項研究成發表在最新一期的「癌症自然夥伴期刊」（Nature Partner Journals Breast Cancer）上。
Agus表示，使用機器學習的新技術，來分析醫療病情，是一個劃時代的革命。我們可以利用它，更快速地檢測出癌症目標，讓患者以更快速度得知信息，幫助更多人，希望這項技術能得到更多的推廣和使用。除了皮膚癌之外，乳癌是美國女性中最常見的癌症。雖然乳癌致死率目前正在下降，但依然是導致女 性 死亡的第二號兇手，更是拉丁裔女性的頭號殺手。
每年全美大約有23萬7000例乳癌被確認，大約有4萬1000人因此死亡。確認並且治療癌症的關鍵，是了解腫瘤的自然本質。攜帶有雌性激素或其荷爾蒙接收器的癌細胞，對於治療癌症的靶向藥物的反應是不一樣的。醫師們正是通過這個原理，來確定腫瘤類型和治療方法，但通過各種測試來標記腫瘤細胞的方法非常緩慢，並且低效。舉例來說，一般實驗室的化驗結果可能、且不完全準確，並且非常昂貴，通常需要數周才能確定，而且在很多發展中國家無法實施。
這項研究的另一個作者Dan Ruderman說，通常如果患者確定患癌，醫師都需要好幾周來標記和確認到底是哪種腫瘤細胞，現在使用了機器學習技術，可以將時間縮短到一天，不會耽誤治療，對病人造成的心理壓力也更小，因此也可能產生更好的治療效果。並
將有助於及時選擇 這個新發現出自赫爾辛基商人研究的後續調查，研究一直在追蹤由1919至1934年間出生的1222名男性高階主管。接受調查的這些人都至少有一個心臟病風險因素（例如吸菸、體重過重，或者有高血壓或高膽固醇）。
這個研究由1960年代開始，到1970年代發展為長期研究，希望能更了解心血管疾病。這個研究一直延續至2014年，部分重點在於中年風險因素如何影響生活品質和健康。研究把受測男性隨機分為兩組。在控制組中的男性如常生活，並沒有與作研究的調查人員見面。另一組干預組中的男性則接受調查人員的指導，對如何改善他們的健康提供建議，要求他們運動健身、改善飲食、保持適當的體重或戒菸。史坦柏格發現，改變生活方式的男性如果縮短假期，死亡率會更高。在該研究進行了15年時，干預組的死亡率高於對照組。罪魁禍首是什麼？工作太辛苦，睡眠不夠，沒有休假。研究人員發現，干預組的人生活方式雖有改善，但如果每年持續休假時間不到三周，在1974年到2004年之間死亡的機率要比連續休假三周以上的人高37%。
2004年以後，兩組男性的死亡率相同。（這時這些人都已80歲以上。）這個結果雖然教人心驚，但恐怕不太可能會影響大多數人的度假習慣。首先，大部分美國勞工沒有那麼多的休假，年輕人可能工作資歷還得不到三周的年休假。根據美國勞工統計局的資料，一般勞工要工作20年，在某些職位上才能有20天以上的帶薪假。就算他們真的有時間，許多人也覺得有太多的工作要做，太多的家庭責任要擔，度假是無力負擔的奢侈品。不過專家說，休假可以助你在返回工作崗位時提高效率，因此或許該是提出休假申請的時候了。 正確的靶向藥，這是醫療個人化的一個巨大進步。雖然機器學習運用於癌症檢測已經不是新鮮事，但南加大這項研究使用了新的技術，能更精確地標記癌症細胞。關鍵技術是描述出癌症細胞核的精確半徑和形狀，並將信息放入一個更大的信息網路，來讓電腦學習細胞核的形狀和癌症細胞標記物之間的關係。目前，這項研究被證實可以改善臨床治療。進一步的研究正在進行中。
Agus不但是醫學博士和腫瘤醫師，也是暢銷書作家。他2012年出版了「疾病的末日」（The End of Illness）一書，成為紐約時報當年排名第一的暢銷書，此書也在國際獲得很好的反響。此外，他還在PBS等電
視台主持節目。
David B. Agus醫師。（USC提供）