互聯網聯合人工智能在婦科腫瘤全程管理中的應用展望

錢智敏(綜述) 姜 樺(審校)

(復旦大學附屬婦產科醫院婦科 上海 200011)

2015年3月5日,在第十二屆全國人民代表大會第三次會議的政府工作報告中,李克強總理指出我國要制定“互聯網+”行動計劃。這是政府首次在工作報告中引進“互聯網+”的概念,闡明了互聯網在我國經濟結構轉型中的重要地位。隨后在2015年7月,國務院印發了《關于積極推進“互聯網+”行動的指導意見》,其在醫療衛生方面的指導意見描繪了一個全新的網上醫療衛生模式。可以預見,“互聯網+”及其在線醫療衛生新模式將逐漸發展并成熟,對醫療衛生各個環節將產生顛覆性的影響。

隨著互聯網技術的普及及人工智能技術的迅速發展,婦科腫瘤領域也不可避免受到沖擊,產生著日新月異的變化。在婦科腫瘤領域,“互聯網+”會如何改變傳統的管理模式,解決哪些疑難問題,目前尚未見國內文獻報道。本文擬重點綜述在“互聯網+”時代,如何利用人工智能技術對婦科腫瘤疾病進行三級預防,以及需要注意的信息安全問題、技術瓶頸、質量控制及倫理問題等,供同行探討和研究。

“互聯網+”和人工智能“互聯網+”是指互聯網與各個傳統行業之間的整合發展,“互聯網+醫療”即指在傳統的醫療領域中引入并融合新興互聯網技術。它不是簡單的疊加,而是利用信息通信技術和互聯網平臺,使互聯網與傳統醫藥行業深入融合,從而創造出一種新的發展模式。通過實現醫療衛生領域數據共享,使得資源配置更加合理、醫療過程更加方便、醫療質量更有保證、醫療費用更加合理、醫療服務更加有效。“互聯網+醫療”按診療場所和溝通方式可分為線上診療和線下診療;按診療內容可分為醫院掛號、檢測化驗、藥物購買、健康監測、支付與保險5大核心模塊[1]。

人工智能是一門新的技術科學,著力研究并開發用于模擬、延伸和擴展人類智能的理論、方法、技術及應用系統。在醫療行業內,以機器學習技術為代表的人工智能方法正得到越來越廣泛的應用,即通過大量的歷史數據和經驗,對新的情況作出有效的決策和預判。從算法應用來看,主要使用了以人工神經網絡(artificial neural networks,ANN)為代表的連接主義學習方法,以支持向量機(support vector machine,SVM)和核心方法(kernel methods)為代表的統計學習方法,以及以k-means為代表的聚類分析方法等。

智慧醫療以人工智能技術為工具,提供基于大數據的系統化、精準化醫療服務。人工智能已廣泛應用于醫療健康領域,從應用場景的角度來看,主要分為虛擬助手、醫學圖像、藥物開采、生物技術、健康管理、可穿戴設備等。人工智能在醫療領域的應用改變了診療模式、數據處理方式、健康管理等諸多方面,推動現代醫療向智慧、精準、高效發展。

傳統婦科腫瘤管理存在的問題婦科腫瘤指起源于女性生殖系統的腫瘤,包括子宮頸癌、子宮宮體腫瘤、卵巢腫瘤、妊娠滋養細胞腫瘤以及轉移性腫瘤等。按術前、術中、術后分類,傳統的婦科腫瘤全程管理包括:門診診斷、住院期間管理、手術及術中冰凍病理、術后病理、術后輔助治療(放療、化療、內分泌治療等)、術后隨訪。傳統的婦科腫瘤管理模式存在以下幾個問題。

患者分布不均 由于不同醫院的婦產科水平良莠不齊、患者分流制度不完善,導致患者過度集中于少數三甲醫院,包括良性病變和輕微病變患者,造成一號難求的現象,而真正需要在三甲醫院就診的惡性病變和嚴重病變患者反而難以就診,造成時間和資源的浪費。

重復檢查 傳統醫療模式中,患者在當地確診婦科惡性腫瘤后,多數會到三甲醫院、甚至輾轉多家醫院就診。但因不同醫院信息無法共享,新就診的醫院往往不直接采納其他醫院的檢查結果,患者需要重復檢查一些項目,造成時間和金錢的浪費。

管理周期冗長 傳統醫療模式中管理的時間周期較長。從確診到住院、手術、出病理報告、確定后續治療方案等,平均需15～20天,患者在時間、金錢、體力和精神方面消耗均較大,甚至會影響術后恢復。但婦科手術普遍手術范圍較小,實際從入院到術后恢復出院的時間不超過1周。患者更多的時間用于等待病理報告及確定后續治療方案,而這個過程可以借助互聯網技術在院外進行。

在“互聯網+”時代,婦科腫瘤管理的許多問題可以得到一定程度的解決。互聯網技術可以改變和普及預約制度,改變傳統的掛號排隊理念,患者可根據網上公布的就診人數和空余時間段等信息,選擇合適的時間段就診,從而實現患者的有效分流。有醫院進一步提出了精準預約的理念,如河北省唐山市婦幼保健院從2016年起啟動了精準預約制度,開通多條預約途徑,并將預約時間段精確到分鐘,取得了良好的效果[2]。此外,互聯網技術也可以解決重復檢查和管理周期冗長的問題,通過建立互聯網隨訪系統,實現醫院之間的信息共享如互相調閱報告等,患者可以先行出院,住院期間尚未出結果的報告可借助隨訪系統進行傳遞,院方借助系統還可隨訪患者術后恢復和生活質量情況。

互聯網聯合人工智能在婦科腫瘤全程管理中的應用人工智能可分為弱人工智能、強人工智能和超人工智能。弱人工智能也稱限制領域人工智能(Narrow AI)或應用型人工智能(Applied AI),指的是專注于且只能解決特定領域問題的人工智能。AlphaGo 是弱人工智能最好的實例,所有人工智能算法和應用也都屬于弱人工智能的范疇。強人工智能又稱通用人工智能(Artificial general intelligence)或完全人工智能(Full AI),指的是可以勝任人類所有工作的人工智能。假設通過計算機程序的不斷發展,可以產生比世界上最聰明、最有天賦的人類還聰明的人工智能系統,即超人工智能[2]。本文重點討論弱人工智能背景下的醫療愿景。

在婦科腫瘤的治療全過程中,我們同樣提倡三級預防系統。第一級預防又稱病因預防或初級預防,主要是針對致病因子采取的措施,也是預防疾病的發生和消滅疾病的根本措施;第二級預防又稱“三早”預防,即早發現、早診斷、早治療,它是發病期所進行的阻止病程進展、防止蔓延或減緩發展的主要措施;第三級預防主要為對癥治療,防止病情惡化,減少疾病的不良作用,防止復發轉移。人工智能技術在婦科腫瘤的三級預防中均可發揮強大的作用。

一級預防

高危人群篩選 人工智能在婦科腫瘤的一級預防體現在篩選出高危人群,通過對高危人群進行進一步的宣教和治療,防病于未然。以宮頸癌為例,宮頸癌是女性第二大惡性腫瘤,僅次于乳腺癌。絕大多數宮頸癌的發生與HPV的持續感染有關,目前宮頸癌的診斷遵循“三階梯”原則,主要通過宮頸細胞涂片進行普篩。針對宮頸液基細胞學涂片,目前涌現了許多基于機器學習技術的人工診斷系統。此類人工診斷系統的算法主要遵循細胞分割、特征提取和分類的順序,其中細胞分割和分類是技術關鍵。細胞分割主要有純粹胞核分割法和胞漿胞核分割法。好的分割方法要求在不同的染色背景下克服雜質干擾和細胞重疊的問題,將胞核準確的分離出來。目前運用的方法主要包括設定閾值、動態輪廓、形態法、圖片剪切和水平設定等。細胞分類主要有K-means、SVM (support vector machine)、AdaBoos和ANN(artificial neural networks )分類法等。Kahng等[4]通過SVM模型,將患者年齡、宮頸細胞學涂片的結果和15種高危HPV表型的檢測結果結合起來,分析HPV陽性患者進展為宮頸癌的風險,結果發現結合了PAP、 HPV16、HPV52 和 HPV35的風險預測模型準確率最高,達到74.41%。但是一般來說SVM方法僅在樣本量小的時候有較好的效果,推及大樣本人群,是否還有相同的準確率,仍需進一步研究。Chankong等[5]將細胞分割成胞核、胞質和背景,運用模糊C均值聚類分析(fuzzy C-means)分類技術,達到了95%以上的分類準確率。在這些方法的基礎上,科學家們也在摸索新的算法。Zhao等[6]在一項探索宮頸細胞涂片自動診斷系統的研究中,將圖片分割成一定大小的模塊,通過分析不同模塊的紋理和色澤差異達到分類的目的,大大降低了分析的難度。宮頸癌細胞涂片的自動診斷系統大大節省了讀片的人力、物力和時間,同時可達到較高的準確率,減少肉眼誤差。

基因分析工具 隨著婦科腫瘤領域基因分析的普及,如何從海量的基因數據中提取有效的信息是一大挑戰,而人工智能很好地解決了這個難題。運用人工智能技術分析基因檢測數據,可能會面臨命名識別、基因表達標準化及結果的可視化等問題。Bouaziz等[7]對子宮內膜異位癥的基因分析中,運用CRF++進行命名識別,通過GeNorm算法識別管家基因,最后將文獻挖掘所得到的數據進行富集分析,得到了子宮內膜異位癥相關基因及其共同特點,以及與之相關的功能通路等。

二級預防

術前篩查和早期診斷 婦科腫瘤的二級預防提倡“早發現、早診斷、早治療”,從起病初期實行必要的醫療干預。任何惡性腫瘤,如果能夠實現上述三早預防,則患者的術后生存率會大大提升。以子宮內膜癌為例,局限性病變患者5年生存率為95.0%,有區域轉移患者5年生存率為69.0%,有遠處轉移患者5年生存率為16.8%[8]。早期干預效果顯著,因此早期診斷就顯得尤為重要。Pergialiotis等[9]針對絕經后婦女展開了一項回顧性病例對照研究,提取婦女的臨床資料,分別利用人工神經網絡、分類回歸樹以及經典回歸分析,預測研究人群中最終發展為惡性子宮內膜癌患者的概率,和最終診刮病理做對比,發現人工神經網絡靈敏性和特異性最高,達到了86.8%和83.3%。Gupta等[10]利用人工神經網絡自動讀取研究對象的宮頸涂片,以期待區分子宮內膜癌患者和良性病變患者。提取分析病理切片圖像中細胞團大小、形狀及三維圖像等信息,發現經過充分的訓練,該人工神經網絡系統準確診斷了所有的測試組切片。以上研究說明,僅以子宮內膜癌為例,人工智能技術可以有效幫助早期診斷。

遠程診斷 互聯網技術的發展和普及為遠程醫療提供了必要的技術支持。遠程醫療通過使用遠程通信和計算機技術實現衛生服務,主要包括遠程診斷、遠程會診和遠程監護。醫學影像檢查結果是疾病診斷及預后判定的重要指標,近幾年來,我國各級醫療機構都完成了醫學影像存儲歸檔與傳輸通信系統(picture archiving and communication system,PACS)的建設,初步完成了醫院內部患者影像學資料的信息化管理,為遠程診斷奠定了可靠的技術基礎。婦產科疾病的診斷許多要依賴輔助檢查,而查體技術難度較低,因此完全可以利用遠程醫療技術,上傳檢查報告及查體資料,由上級醫院的專家進行會診,這對于偏遠地區的婦科腫瘤患者是一個福音,省去了跋山涉水之苦,又能得到高水平的診療。

人工智能技術已經發展到可以自行讀片出報告的程度。目前已出現胸部X線影像自動讀片出報告的技術。華人科學家刑波教授的研究團隊構建的一個名為結構校正負性網絡(Structure Correcting Adversarial Network)的系統,可以自動把胸部X片中心臟和肺部影像進行精確分割,為胸部X片的自動讀片奠定了基礎[11]。他們進一步通過構建一個多任務學習框架,提出“共注意(co-attention)”機制,建立等級化的LSTM模型來生成長的語句段落,達到自動識別胸部X片中病灶、判斷疾病以及生成報告的目的[12]。相較于遠程讀片,人工智能讀片是更為方便智能的醫療手段。

人工智能輔助病理診斷 近年來,高質量數字病理切片的大量積累為病理切片的分析提供了大數據背景,深度學習算法對大數據樣本分析能力普遍強于其他算法,在病理切片分析中表現出巨大潛力。在病理分析中廣泛應用計算機輔助算法,不但能減輕病理醫師的工作負擔,而且可以提升病理診斷的準確率。病理切片圖像可以分為組織學圖像和細胞學圖像,這是兩個層次的形態學特征。細胞學圖像通常只包含細胞本身的信息,而組織病理學圖像包含組織內不同細胞種類和復雜的空間關系等信息,因此二者對分析算法有不同的要求。目前,使用人工智能手段分析病理切片主要分為:(1)對細胞的檢測分割;(2)圖像相關特征的提取;(3)病理圖像的分類和分級。基于不同人工智能算法的病理圖像分析工作,可自動檢測細胞和組織結構并將其分割出來。腺體是形狀結構不規則的細胞團塊,其特征受到病理切片的厚度、切割均勻度、雜質、染色深淺以及數字圖像的噪聲等因素的影響,是此類組織結構分割的難點。傳統機器學習算法的特征展示能力有限,導致分割效果不夠理想。而深度學習的優勢在于自動提取圖像特征,對病理切片的異質性和噪聲有更強的去除能力。可以預見,人工智能在病理診斷方面大有前途。

人工智能輔助個體化治療 個體化治療是指根據癌癥患者的藥物遺傳學和藥物基因組學檢測結果,結合藥敏試驗,采用敏感、特異的個體化方案來進行治療。個體化化療方案指導醫師為患者選擇最合適的化療藥物,可大大提高治療的針對性,同時減少患者的不良藥物反應,最大限度提高患者的生存率。婦科腫瘤尤其是卵巢癌對術后化療依賴很大,最合適藥物的選擇直接影響化療方案,對預后有關鍵影響[13]。我們可以利用婦科腫瘤大數據樣本的計算機深度學習模型進行訓練、驗證和測試,建立對不同治療方案的敏感性預測模型,指導臨床對婦科腫瘤患者選擇個性化治療方案,進而改善患者預后。董立新等[14]建立了基于磁共振彌散加權成像( DW-MRI) 圖像的紋理分析基礎上的數學模型,預測宮頸鱗狀細胞癌放化療敏感性,ROC 曲線評估結果顯示曲線下面積為 0.786 7,預測結果較準確,有一定臨床價值。Williams等[15]建立了基于體外藥敏試驗和DNA微陣列分析的基因表達模型來預測癌癥患者的治療反應性,通過和傳統的基因表達分析模型相比較,得到了更高的預測準確性,為腫瘤的個體化治療提供了新的途徑。

三級預防

遠程術后隨訪和預后跟蹤 婦科腫瘤術后的隨訪是一個漫長的過程,在傳統的醫療模式下,患者每次隨訪都要到醫院進行掛號、檢查和就診,耗時耗力。在“互聯網+”時代,可以建立互聯網采集體系,通過在機構、社區、家庭中部署感知設備及健康管理設備,幫助患者記錄術后每日生命體征、促進患者改進不良行為習慣、臨床診療等健康信息,完善個人健康檔案[16],還可以及時反饋醫院信息如術后病理報告和后續處理措施等,減少患者往返醫院次數的同時,加強了醫患溝通效率。

此外,借助于人工智能診斷技術,可以建立疾病預后預測模型,預測患者3年、5年生存率。在婦科腫瘤方面,有研究顯示目前預測準確率最高的是概率神經網絡(probabilistic neural network,PNN)方法。Obrzut[17]比較了6種計算機智能方法用于預測行根治性子宮切除術的宮頸癌患者的5年生存率,發現PNN方法預測準確率最高。雖然PNN用于分類有較好的效果,但是獨立應用時很難處理故障問題和定位問題,因而它很難衡量不同因素對預后的影響權重。其他科學家針對人工智能和婦科腫瘤的預后研究也在進行中:Bogani[18]利用AI技術估計了HPV分型對于宮頸萎縮復發的影響,結果發現HPV16、18、52、59是對宮頸萎縮復發影響最大的類型。其另一項研究利用人工智能技術衡量了復發性卵巢癌二次瘤體減滅術時影響完全減瘤率的幾個因素,結果發現無疾病生存期是預測完全減瘤率和總體生存率的最重要的影響因素[19]。綜上,互聯網技術和人工智能技術對于婦科腫瘤術后隨訪和預后跟蹤方面也發揮著重要作用。

信息共享 在傳統的醫療模式中,由于彼此之間信息不能共享,當患者轉院時,往往出現重復檢查的現象。這一問題在“互聯網+”時代可以得到很好的解決。借助互聯網技術,讓醫院互相聯網,互相調閱患者的醫療信息,使得就診過程更加便捷,緩解患者經濟壓力的同時,實現了醫療人員進行信息共享,有利于開展術后隨訪工作。

上述內容是“互聯網+”時代弱人工智能對婦科腫瘤未來發展影響的一些愿景,其中最迫切的是應用人工智能進行疾病篩查、讀片以及醫院之間的信息共享。疾病的發現時間對于預后十分重要,由于篩查工作繁瑣而量大,人工智能不失為一個好助手。實現醫院之間信息共享可以有效減少資源浪費。

面臨的問題和挑戰互聯網聯合人工智能,雖然有著美好的應用前景,但是也不可避免需要面對很多問題。

信息安全 醫院之間信息共享雖然有利于醫療過程,但是對于患者隱私保護和信息安全也是巨大的隱患。當互聯網廣泛應用于醫院內部、醫護人員之間時,醫院和平臺開發商如何做到在保證安全性的前提下高效迅捷地傳遞患者相關就診信息,同時保障患者隱私,避免其信息被竊取和篡改,對于醫院和開發商來說是巨大的挑戰。醫院內部系統接入互聯網后,要預防外部軟件惡意攻擊醫院系統,對此醫院的相關信息部門必須權衡利弊,制定一套符合醫院需求的安全策略,對醫院系統的安全性能進行必要的加固[1]。

技術瓶頸 人工智能需要面對龐大的數據,還存在著模型爆炸、訓練難度大等問題,魯棒性(Robustness)和靈活性認知上的進步仍有不足,市場中技術與產品同質化明顯,獨立研發和創新能力還有待進一步提升,復雜學科或多學科聯合診斷算法還存在技術瓶頸[20]。

質量控制 醫療是特殊行業,就遠程醫療而言,在沒有傳送相關數據的情況下,僅依靠網絡視頻就下診斷結論是極不可靠的,一旦發生事故,權責難以分清;其次,網上有太多的虛假醫療廣告和“醫托”,有些醫學網站不具備醫學資格,并且“網絡游醫”的真實身份很難核實,一旦發生誤診,導致患者病情延誤,保護患者權利的可能性幾乎為零。因此,如何把握好質量控制這一環節,值得深思。

結語人工智能技術可以有效解決傳統醫院就診患者分布不均、重復檢查、管理周期長等問題,對婦科腫瘤三級預防領域均能發揮重要的作用,目前也有很多相關研究。借助于互聯網技術,智慧醫療將逐漸深入人心,未來就醫有望無需出門即能享受最優質的醫療服務,這是非常激動人心的愿景。