人工智能何時介入癌癥診療

張田勘

癌癥每年奪走全球超過800萬人的生命。世界衛生組織2019年9月發布的報告稱，全球1/5的男性和1/6的女性在一生中會患上癌癥，1/8的男性和1/11的女性將死于癌癥。

2020年新年伊始，一項人工智能（AI）在醫療領域應用的成果被視為人類未來可以戰勝癌癥的重要力量。英國《自然》雜志發表的一篇文章稱，谷歌的AI系統已經實現通過篩查乳腺X線影像來發現哪些女性患有乳腺癌，并且誤診率可能比醫生還低。

經過對英國25856例和美國3097例乳腺X線影像進行測試發現，該AI模型的檢測結果要比人類放射科醫生的診斷結果好，同時還可以識別出醫生遺漏掉的患有乳腺疾病的X線影像。AI模型實現了較低的假陽性率，比醫生低5.7%（美國）和1.2%（英國），假陰性率則比醫生低9.4%（美國）和2.7%（英國）。如果考慮此前美國癌癥協會發布的放射科醫生在乳腺X線檢查中忽略了大約20%的乳腺癌，這一AI模型檢出乳腺癌的成功率顯然比人類醫生要高很多。

AI起源于何時，學界有一些爭論，但是，很多人認為，可以從計算機科學和密碼學的先驅艾倫·麥席森·圖靈寫于1950年的一篇論文《計算機器與智能》提出的圖靈試驗算起。也有人認為AI始于1912年，西班牙人萊昂納多·托雷斯·奎韋多制造了世界上第一臺象棋自動機。

不管AI起于何時，今天它已經開始在各個領域初露鋒芒，甚而大顯身手。但是，要說AI已經有顯著成果或成為醫療上的常規應用，還為時過早。2020年1月8日，美國腫瘤學會發布了美國癌癥發病情況年度報告《2020年癌癥統計》，其中并未提到AI的貢獻。

這份報告顯示，1991年～2017年，美國癌癥死亡率下降29%，其中2016年～2017年下降2.2%，創有記錄以來美國癌癥死亡率的最大年度降幅。美國癌癥死亡率大幅下降的原因主要歸結于4種常見癌癥的死亡率長期下降：肺癌、結直腸癌、乳腺癌和前列腺癌。

報告的第一作者、亞特蘭大美國癌癥協會研究員麗貝卡·西格爾認為，肺癌死亡率下降有多方面原因。吸煙率的穩步下降是肺癌發病率和死亡率下降的首要原因。此外，肺癌創新療法的迅速進展，如更精準的手術、放療手段、更好的診斷成像技術和新一代抗癌療法，讓肺癌的死亡率下降速度進一步增快。

美國的報告也提出，美國1989年～2017年之間乳腺癌死亡率下降了40%，其中更好的診斷成像技術和新一代抗癌療法起了重要作用。但這份報告并未提及AI在影像診斷方面的貢獻。現在無論是谷歌的AI系統，還是與美國紀念斯隆·凱特琳癌癥中心（MSK）聯合的佩奇公司研發的Paige. AI，都還只是在試驗階段，并未廣泛用于臨床。

無論是中國，還是全球，更多的計算機、醫學研發人員把醫療領域當作AI大顯身手的領域。除了谷歌的AI外，Paige.AI也顯露了不凡身手。這個AI系統在數年時間內，用4個國家里超過15000名癌癥患者的45000張癌癥病理影像進行訓練，最終得到了優秀的診斷準確率。

AI可以在診斷、治療等多個方面幫助人類醫生。在診斷上，AI有更高的效率。例如，在國內，一家三甲醫院平均每天可能接待200例左右的肺結節篩查患者，以便查出肺癌。每位患者在檢查環節會產生200張～300張的CT片。因此，放射科醫生每天至少需要閱讀4萬張片。在美國，統計表明，在某些醫院的急診室中，放射科醫生每天甚至可能需要處理多達10萬張片子。醫生判讀影像的任務繁重，而且耗費大量精力，稍有不慎就會導致誤診漏診。

但是，如果這種判讀影像的工作交由經過深度學習的AI來干，根據AI的速度一般是人工的30倍左右，則一套AI系統就可以替代圖像的初步判讀工作，人類醫生只需檢查那些存有疑問的圖片。不過，在具體執行上，可能還需要臨床制定一套有效和嚴格的流程。

至于效果，有大量研究表明，AI對其他癌癥的診斷正確率也高于醫生。2018年5月，德國海德堡大學皮膚科高級醫師哈森爾博士（Holger haenssle）等人研發的一種AI——深度神經網絡檢測系統，對皮膚癌檢測的準確率高于醫生。

研究人員首先利用超過10萬張圖像對AI進行訓練，要求AI通過一系列特征來區別黑色素瘤和大量良性病變的X線片圖像。在訓練過程中，告知AI每一份圖像的正確診斷結果。此后，研究人員用這套AI與來自世界各地的58位皮膚科醫生進行診斷競賽。結果表明，皮膚科醫生發現惡性黑色素瘤與非癌癥病變的準確率分別為88.9%和75.7%，但AI在這兩項診斷中的準確率則分別為95%與82.5%。

癌癥早診斷和正確診斷的結果是，可以讓患者的生存率提高40%左右。

AI介入癌癥治療并非只是在圖像診斷上大有作為，還有可能對癌癥的個性化治療提出建議。美國克利夫蘭診所在2018年發表于《柳葉刀》的一篇論文中介紹，該中心的研究人員研發了一個AI軟件來指導944名肺癌患者的治療。AI系統通過學習，可以結合病人的CT和EHR（電子病歷）向醫生提出建議，比如對每個病人施行多少放療劑量，從而讓放療做到個性化，盡量把副作用降到最低。而治療的失敗率降低到了5%以下。

AI參與癌癥治療決策的事例也越來越多。在2019年美國臨床腫瘤醫師協會（ASCO）年會上，研究人員宣讀了數十個利用AI幫助治療癌癥的報告。其中一個是，研究人員利用一個沃森腫瘤學的軟件，對印度的1000名乳腺癌、肺癌和結直腸癌患者進行治療。通過診斷，AI提供一些治療方案建議，然后由一個腫瘤多學科會診小組根據AI的建議，改變了一部分病例的治療決策，這部分大約占到13.6%。

而且，在55%的病例中，AI為新的治療方案提供了最新的證據；在30%的病例中，AI的治療方案更加個體化。

盡管AI在介入癌癥防治上有這些優點，而且AI的發展也不只是應用于癌癥治療，而是可以應用到所有疾病的預防、篩選、診斷和治療上，但是人工智能現在對于治療癌癥的作用也只是剛剛起步。

因為，即便在影像診斷上AI似乎勝人一籌，但是，癌癥的診斷決非只是依靠影像診斷，還有其他重要診斷手段，如芯片檢測、基因檢測、病理檢測、磁共振成像、CT、B超等，甚至最基本和傳統的血液、大小便常規檢查都可以檢驗出癌癥的蛛絲馬跡。

另外，盡管AI可用于癌癥診斷，標準的大數據的獲得也比較困難，而只有標準化的數據和特征才能教會AI進行診斷。因為大部分深度學習技術都對數據質量有較高要求，對于沒有這類數據基礎的醫療和信息單位來說，標準數據將制約AI介入癌癥和其他疾病。

Paige.AI之所以在診斷癌癥方面有出色的表現，是因為獲得了斯隆·凱特琳癌癥中心（MSKCC）獨家授權的400多萬個包含病理學信息和電子病理的檔案，Paige.AI才能接受大量標準化的癌癥數據訓練，獲得較好的診斷結果。

不過，AI也并非全能。人體某些部位的黑色素瘤，很難通過圖片展現，AI也難以識別“非典型”病變。而且，AI和機器也不可能完全取代人類醫生，它只是一種輔助手段，最終還是要由醫生結合其他方面的因素進行診斷和制訂治療方案。