編譯：慧語來源：腫瘤資訊
在過去的幾年中，縱觀整個(gè)科技界和投資界，“人工智能（artificial intelligent，AI）”無疑是最火熱的一個(gè)領(lǐng)域。那么這個(gè)聽起來高大上的新名詞，距離我們醫(yī)學(xué)腫瘤領(lǐng)域還遙遠(yuǎn)嗎？小編帶您一起回顧腫瘤領(lǐng)域AI相關(guān)的產(chǎn)品和應(yīng)用。
Watson for Oncology
在腫瘤領(lǐng)域談?wù)揂I，就不得不提到IBM公司與紀(jì)念斯隆凱特琳癌癥中心合作開發(fā)的Watson for Oncology（WFO）。WFO整合了雜志文章、國家指南、醫(yī)院最佳實(shí)踐、臨床試驗(yàn)和教科書中的多種數(shù)據(jù)，可以通過自然語言處理模式和機(jī)器學(xué)習(xí)模式從醫(yī)療記錄中提取和訪問結(jié)構(gòu)化的、非結(jié)構(gòu)化的數(shù)據(jù)，以提供癌癥治療選擇。目前Watson已閱讀并學(xué)習(xí)了超過300種醫(yī)學(xué)專業(yè)期刊、200多本腫瘤學(xué)專著以及1500萬篇腫瘤相關(guān)學(xué)術(shù)論文研究數(shù)據(jù)，這是人類醫(yī)生一輩子都無法讀完的海量數(shù)據(jù)。此外WFO還可以在17秒內(nèi)，閱讀3469本醫(yī)學(xué)專著、248000篇論文、69種治療方案、61540次實(shí)驗(yàn)數(shù)據(jù)、106000份臨床報(bào)告，并根據(jù)醫(yī)生輸入的病人指標(biāo)信息，最終提出優(yōu)選的個(gè)性化治療方案。Watson制定的腫瘤治療方案的水平已經(jīng)可以和頂級(jí)專家們媲美，一致性高達(dá)90%以上。
IBM Watson for Oncology由最初的僅局限于乳腺癌和肺癌，目前已擴(kuò)大到十幾種其他常見的實(shí)體和血液腫瘤，如乳腺癌、肺癌、直腸癌、結(jié)腸癌、胃癌、宮頸癌、卵巢癌、前列腺癌、膀胱癌等14個(gè)癌種，覆蓋 80% 的腫瘤患者。
與此同時(shí)，WFO在國內(nèi)醫(yī)療行業(yè)應(yīng)用中的一些現(xiàn)狀和困難：
第一， Watson 以西方臨床案例、經(jīng)驗(yàn)為主導(dǎo)，缺乏本地化方案，現(xiàn)階段醫(yī)生僅可基于 Watson 給出的方案綜合自己的經(jīng)驗(yàn)及判斷給到患者最穩(wěn)妥合理的治療方案與調(diào)理方式。東西方在腫瘤治療上的差異，還需與國內(nèi)本地療法相輔相成。正如我們腫瘤資訊今年采訪山東省腫瘤醫(yī)院的王永勝教授所言：“人工智能在中國臨床實(shí)踐中會(huì)涉及資源可及性的問題，希望在這一方面能夠整合入中國的實(shí)際情況。
總體來說，人工智能對(duì)臨床醫(yī)師，特別是基層醫(yī)師是非常好的幫手，當(dāng)然它也需要不斷優(yōu)化，我們期待完全適合中國國情的人工智能。”基于此，CSCO乳腺癌專業(yè)委員會(huì)和百洋智能科技聯(lián)合啟動(dòng)了一項(xiàng)計(jì)劃納入2000例乳腺癌患者的多中心、隨機(jī)、雙盲IV期臨床決策評(píng)價(jià)研究——《Watson腫瘤方案用于中國乳腺癌患者治療決策研究》，希望通過這項(xiàng)前瞻性的研究來評(píng)價(jià)Watson在我國同患者中智能決策和專家決策之間的比較；有／無人工智能輔助的情況下，臨床決策結(jié)果的異同等本土化的效果。
第二，Watson 本身被定位為輔助醫(yī)生的角色，僅能就客觀病理指標(biāo)進(jìn)行推薦方案，但腫瘤治療的情況很復(fù)雜，并不是最好的治療方案就是患者能接受的方案，很多情況還需要醫(yī)生根據(jù)病人實(shí)際狀況調(diào)整，并且去說服與安撫患者，這是 Watson 做不到的。這個(gè)觀點(diǎn)與陸勁松教授在我們采訪中的論點(diǎn)不謀而合：“我們?cè)谒伎寄骋粋€(gè)具體的問題的時(shí)候，即使再有經(jīng)驗(yàn)的專家，也有可能把握不了這么廣大的，浩如煙海的文獻(xiàn)。如果有人工智能的話，對(duì)這么多茫茫煙海的臨床數(shù)據(jù)和臨床研究，能夠和患者具體特征相結(jié)合，從而給出一個(gè)比較好的建議。當(dāng)然，這個(gè)建議最終不一定被采納，但至少對(duì)我們臨床專家是一個(gè)非常好提示，或者說是一個(gè)啟發(fā)，也可以提示一下我們非常有經(jīng)驗(yàn)的專家，有沒有什么疏漏的地方？在這一點(diǎn)上，目前人工智能在乳腺癌診療中，應(yīng)該有很好的參考和幫助作用”，同時(shí)陸教授也一再強(qiáng)調(diào)：“最后具體的決策，應(yīng)該還是由臨床一線的專家結(jié)合患者具體的情況和自己淵博的知識(shí)和臨床實(shí)踐，在人工智能的建議下面，最后進(jìn)行決策”。
第三，沃森支持的癌種還在快速增加，在 2017 年年底支持14 個(gè)癌種，其它癌種還尚未有成熟的推進(jìn)方案系統(tǒng)提出。2017年以來WFO在中國簽約合作的醫(yī)療機(jī)構(gòu)覆蓋十多個(gè)省份的幾十家醫(yī)院。
腫瘤領(lǐng)域其它AI產(chǎn)品
雖然IBM Waston獨(dú)占鰲頭，但其它公司也在摩拳擦掌試圖開辟新的天地。
① 智能機(jī)器人：
提到人工智能的時(shí)候，我們想到的往往是機(jī)器人，其實(shí)早在Waston上市前，2000年，Intuitive Surgical達(dá)芬奇手術(shù)機(jī)器人正式獲批上市。達(dá)芬奇外科手術(shù)系統(tǒng)增加視野角度，減少手部顫動(dòng)，設(shè)計(jì)采用微創(chuàng)方式由外科醫(yī)生通過控制臺(tái)控制，完成復(fù)雜的外科手術(shù)，通常用于前列腺切除手術(shù)。相對(duì)于傳統(tǒng)手術(shù)方式，不但傷口更小、減輕疼痛，更可以有效降低感染及并發(fā)癥的發(fā)生，縮短病患住院和康復(fù)時(shí)間。
② DNA測(cè)序：
巨頭Illumina BaseSpace Sequence Hub與IBM Watson for Genomics合作開發(fā)了實(shí)體瘤的人工智能測(cè)序面板。具體工作流程是將檢測(cè)標(biāo)本放入Illumina的TruSight Tumor 170測(cè)序面板中，對(duì)設(shè)定的170個(gè)基因進(jìn)行全面篩查，發(fā)現(xiàn)是否存在突變。測(cè)序結(jié)果將立即發(fā)送到Watson for Genomics，在短短幾分鐘內(nèi)就會(huì)結(jié)合基因突變數(shù)據(jù)，對(duì)Watson數(shù)據(jù)庫中的大量專業(yè)信息進(jìn)行梳理，然后提供每個(gè)基因組改變的相關(guān)信息，并生成一份可供研究人員使用的報(bào)告——這一過程通常會(huì)花費(fèi)一周以上的時(shí)間才能夠完成。由此，科研人員將能夠快速獲取信息，幫助標(biāo)準(zhǔn)化基因分析，促進(jìn)癌癥研究。
③液體活檢技術(shù)（liquid biopsy）：
該領(lǐng)域最出名的公司當(dāng)屬Grail公司，它是由上面剛提到的Illumina創(chuàng)辦的，專注于研發(fā)通過血液檢測(cè)癌癥的服務(wù)。眾所周知，對(duì)癌癥患者的診斷，目前主要還是靠穿刺。穿刺不僅費(fèi)用較高，對(duì)患者的損傷和發(fā)生并發(fā)癥的風(fēng)險(xiǎn)也非常大，因此通過血液、尿液這種非損傷性途徑取得的標(biāo)本，然后通過高通量測(cè)序等技術(shù)對(duì)疾病進(jìn)行診斷和評(píng)估具有非常廣闊的市場(chǎng)和前景。
液體活檢目前主要聚焦于對(duì)血液中腫瘤循環(huán)細(xì)胞（Circulating Tumor Cell，CTC）和循環(huán)腫瘤DNA（Circulating Tumor DNA，ctDNA）的檢測(cè)。Grail公司主要專注于后者，因?yàn)槟壳霸絹碓蕉嗟难芯恳呀?jīng)證實(shí)ctDNA中攜帶有它們所來源的腫瘤的遺傳特征編碼，對(duì)于這些數(shù)據(jù)和信息進(jìn)行深入挖掘一定是大有潛力的。雖然目前關(guān)于Grail公司涉及人工智能方面的報(bào)道尚不是很多，但我們看看為Grail投了11億美金的股東吧：除了一些大的醫(yī)藥公司，如強(qiáng)生、默沙東、施貴寶等，還包括微軟聯(lián)合創(chuàng)始人比爾蓋茨、亞馬遜創(chuàng)始人Jeff Bezos、谷歌風(fēng)投、Arch Venture Partners、硅谷私募股權(quán)公司Sutter Hill Ventures，甚至還有我們耳熟能詳?shù)尿v訊公司。相信在不久的將來，面對(duì)浩瀚的DNA海量數(shù)據(jù)，這些IT巨頭們的人工智能、數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)技術(shù)……（好了，小編編不下去了）必然有一番施展的舞臺(tái)。
與Grail公司從事類似項(xiàng)目的還有前一段我們腫瘤資訊報(bào)道過的霍普金斯Kimmel癌癥中心的一項(xiàng)名為CancerSEEK的項(xiàng)目等。CancerSEEK的結(jié)果于上個(gè)月在Science發(fā)表。
④ 影像診斷：
這個(gè)領(lǐng)域目前比較著名的是Google公司的DeepMind Health，眾人皆知的AlphaGo也隸屬于DeepMind旗下。比較成功的案例主要包括乳腺X光片篩查和乳腺病理圖片識(shí)別。
目前乳腺癌的早期診斷主要通過乳腺X光檢查，但這個(gè)方法還不是很完美，每年有很多漏檢的病例。Google利用最新的機(jī)器學(xué)習(xí)算法分析了英國OPTIMAM乳腺X光片數(shù)據(jù)庫中7500例不易識(shí)別的X光片，開發(fā)了一套能夠協(xié)助影像醫(yī)生通過AI的方式提升乳腺癌的篩查準(zhǔn)確率。
而另外同時(shí)開發(fā)的一種新的深度學(xué)習(xí)算法（Deep Learning），來識(shí)別活檢病理圖片是否發(fā)生淋巴結(jié)轉(zhuǎn)移。谷歌團(tuán)隊(duì)實(shí)現(xiàn)了高達(dá)89%的準(zhǔn)確率，而與之對(duì)照的人類醫(yī)生只有73%。
左：兩個(gè)淋巴結(jié)病理圖片；中：谷歌AI深度學(xué)習(xí)早期結(jié)果；右：谷歌AI深度學(xué)習(xí)后結(jié)果
如果說Google開發(fā)AI “順理成章”，傳統(tǒng)的電腦硬件廠商N(yùn)VIDIA（英偉達(dá)），沒錯(cuò)，就是那個(gè)生產(chǎn)電腦顯卡的公司，居然也涉入了腫瘤影像診斷領(lǐng)域。NVIDIA不僅在顯卡市場(chǎng)上處于絕對(duì)的壟斷地位，在深度學(xué)習(xí)、AI人工智能等領(lǐng)域也起步很早。他們主要通過優(yōu)化算法，提高基于GPU的深度學(xué)習(xí)效率。一組由哈佛醫(yī)學(xué)院病理和生物信息副教授Andrew Beck帶領(lǐng)的小組，使用NVIDIA（英偉達(dá)）Tesla顯卡顯著提高了學(xué)習(xí)的效率，并且使得乳腺癌誤診率下降約85%。
目前我們國內(nèi)在醫(yī)學(xué)影像領(lǐng)域也有眾多創(chuàng)業(yè)公司，相對(duì)于國外的產(chǎn)品而言我們可能會(huì)在本土化方面做的更好。但學(xué)習(xí)數(shù)據(jù)的質(zhì)量和學(xué)習(xí)算法的開發(fā)方面尚有需要提高的空間。
注：圖片轉(zhuǎn)載自其他網(wǎng)站，不代表腫瘤資訊觀點(diǎn)
國內(nèi)IT界第一梯隊(duì)的騰訊公司發(fā)布的一款A(yù)I醫(yī)學(xué)影像產(chǎn)品——騰訊覓影，對(duì)早期食管癌的篩查準(zhǔn)確率高達(dá)90%，可以有效輔助醫(yī)生發(fā)現(xiàn)癌變征兆，將病魔遏制在搖籃里。在騰訊內(nèi)部，與醫(yī)院建立聯(lián)合實(shí)驗(yàn)室后，由騰訊互聯(lián)網(wǎng)+合作事業(yè)部牽頭，騰訊覓影聚合了包括AI Lab、優(yōu)圖實(shí)驗(yàn)室、架構(gòu)平臺(tái)部等多個(gè)AI技術(shù)團(tuán)隊(duì)能力，把圖像識(shí)別、深度學(xué)習(xí)等技術(shù)充分發(fā)揮。
后記
綜上，醫(yī)學(xué)人工智能目前的幾個(gè)重要研究方向包括：智能篩檢、智能影像、智能病理、輔助手術(shù)、輔助臨床決策等。對(duì)于癌癥的治療仍然受到醫(yī)生手術(shù)質(zhì)量的高低以及治療藥物療效等瓶頸的制約。因此，目前提出“醫(yī)生會(huì)被AI取代”的論調(diào)還為時(shí)尚早。
對(duì)于人工智能的應(yīng)用來說，無論技術(shù)多么強(qiáng)大，最核心的仍然是數(shù)據(jù)。這也是為什么患者數(shù)據(jù)變得越來越重要?？梢韵胂?，一套完善成熟方案的提出，沒有足夠的患者數(shù)據(jù)進(jìn)行訓(xùn)練，簡直就是不可能完成的任務(wù)。而醫(yī)療健康領(lǐng)域的數(shù)據(jù)又很特別，有時(shí)候雖然獲得了病人的病例信息（需經(jīng)過脫敏處理，保障病人隱私），卻又有無從下手的感覺。因此，將非結(jié)構(gòu)化的醫(yī)療數(shù)據(jù)結(jié)構(gòu)化，是需要攻克的第一個(gè)難關(guān)。
雖然目前AI在醫(yī)療健康行業(yè)取得一定的成績，人工智能的應(yīng)用應(yīng)當(dāng)走得更加緩慢和謹(jǐn)慎。這不僅是因?yàn)獒t(yī)藥行業(yè)的創(chuàng)新成本更高，更大的原因是，在這個(gè)領(lǐng)域，一個(gè)算法的錯(cuò)誤可能導(dǎo)致的就是生死之差。
人類與人工智能，各有各的優(yōu)勢(shì)，我們期待人工智能能夠更好地協(xié)助醫(yī)生為患者帶來更為快捷、準(zhǔn)確的診斷，精準(zhǔn)化的治療方案，管理他們的健康。我們相信美好的一天終將到來！
參考文獻(xiàn)
1. 百度百科：達(dá)芬奇機(jī)器人；DeepMind
2. Detection and localization of surgically resectable cancers with a multi-analyte blood test. Science. 2018 Jan 18. pii: eaar3247. doi: 10.1126/science.aar3247.
3. Dermatologist-level classification of skin cancer with deep neural networks. Nature. 2017 Feb 2;542(7639):115-118. doi: 10.1038/nature21056.
4. Deep Learning Algorithms for Detection of Lymph Node Metastases From Breast Cancer. JAMA. 2017;318(22):2184-2186. doi:10.1001/jama.2017.14580
5. Dermatologist-level classification of skin cancer with deep neural networks. Nature, 2017; 542:115–118.
責(zé)任編輯：腫瘤資訊-宋小編版權(quán)聲明版權(quán)屬腫瘤資訊所有。歡迎個(gè)人轉(zhuǎn)發(fā)分享，其他任何媒體、網(wǎng)站如需轉(zhuǎn)載或引用本網(wǎng)版權(quán)所有內(nèi)容，須獲得授權(quán)，且在醒目位置處注明“轉(zhuǎn)自：良醫(yī)匯-腫瘤醫(yī)生APP”。
