人工智能技術在肺癌系統性診斷治療中的應用與思考

岳其東 張志強

摘要：在近50年以來，肺癌的發病率及死亡率劇增。人工智能技術通過分析基于CT及數字病理圖像，可以縮短診療時間，提高診斷的敏感性及準確性。也可以輔助制定治療方案，促進治療同質化、標準化，預測患者預后，評估治療效果，為肺癌的診斷治療提供了新思路。本文將針對人工智能技術在肺癌影像學及病理學診斷、治療方案制定、疾病預后情況預測中的應用及前景進行綜述。

關鍵詞：肺癌;肺惡性腫瘤;人工智能;AI;診斷;治療

1.人工智能技術概述

人工智能，是基于計算機科學，模擬人類思考及處理方式的技術，通過不同實現方法，涉及多個學科領域及研究范疇。1997年“深藍”的計算機首次在比賽中戰勝了國際象棋世界冠軍。2016年“阿爾法狗”計算機又以大比分戰勝阿國際圍棋大師李世石。人工智能的優異表現令人印象深刻?，F今人工智能在醫學中廣泛應用，可以針對多種疾病，建立不同處理模型，形成分析能力。

2.人工智能技術于肺癌診斷中的應用

肺癌的診斷主要依靠影像學及病理學診斷，人工智能應用于影像學可做到早發現并分析危險程度。而通過肺癌患者的痰培養、胸水培養、支氣管刷取細胞、支氣管鏡及胸部穿刺活檢以及術后病理診斷可以為肺癌診斷進一步提供可信依據。

2.1.基于CT影像技術的人工智能技術在肺癌診斷中的應用。

CT的廣泛應用，促進了肺癌的早期確診、早期干預。同時也給我國影像醫師帶來了巨大的負擔，CT漏診誤診時有發生。人工智能針對CT圖像的深入學習，可以在短時間針對胸部CT圖像匯報肺結節的個數及相應危險程度。基于MASOOD及其他相關技術應用常規單源CT診斷肺癌，準確率已達80%以上，而對肺癌的分期診斷中的準確率更是能達到75%以上。隨著雙能融合120kVp圖像技術的應用，人工智能技術可以進一步增加檢出敏感度，減少假陽性率。

2.2.基于病理技術的人工智能技術在肺癌診斷中的應用。

數字病理學的發展，將病理切片數字化并通過計算機進行圖像分析成為了可能。人工智能技術于病理技術的結合將徹底革新病理診斷的方式，大大增加病理診斷的準確度及陽性率，減少病理診斷時間。人工智能技術可以廣泛的應用于細胞學診斷及組織學診斷。在細胞病理學中應用Teramoto及其他相關技術可以使肺腺癌診斷準確度達89%，肺鱗癌的診斷準確度達60%，小細胞癌的診斷準確度達70.3%。是總準確度達70%以上。而應用generative adversarial networks技術可以進一步提高細胞病理診斷的準確度。而針對組織病理學的肺癌診斷，基于大數據及人工智能學習軟件，可以將組織圖像進行準確分類并判斷肺癌類型。幫助病理科醫師更迅速的診斷肺癌分型，顯著減少醫師疏漏。

3.人工智能技術于肺癌治療中的應用

中國肺癌高發，而在不同地區及醫院，因治療理念差異，治療方法不盡相同。人工智能技術可以提取患者年齡、性別、血液檢查結果、影像圖片及病理圖片資料數據，基于肺癌治療大數據分析患者個體化資料，并為不同的患者計算個體化的治療方案。為規范臨床醫師治療，幫助醫師依據臨床信息制定適合病情的治療方案。人工智能技術還可以基于術后病理活檢圖像，利用技術模型輔助預測患者術后生存期及復發率，為患者下一步治療提供方向。針對肺癌的免疫治療療效，基于CT圖像的人工智能技術可更加全面高效的預測PD-1抑制劑的療效，優于傳統RECIST標準。人工智能技術可以廣泛的應用于肺癌治療的方案指定、評價肺癌術后預后情況及免疫治療的療效，標準化治療過程，提高治療水平。

4.人工智能技術在肺癌診療過程中的應用前景

信息互聯互通將是未來的趨勢。我國人口眾多，肺癌發病率高，未來將建立強大的肺癌單病種數據庫，而數據庫的積累也會提升人工智能技術在肺癌診斷方面的準確性，輔助制定更加個體化的治療方案。人工智能技術將更多的應用于基層醫療系統，促進我國分級診療制度的完善，為更多肺癌患者尤其是偏遠鄉村基層的患者提供優質服務。

5.總結

人工智能技術已廣泛的應用于肺癌診療的各個環節。在未來也將更加廣泛的服務于信息化醫療，提高肺癌患者的生存時間和生活質量。

參考文獻：

[1]MASOOD A，SHENG B，LI P，et al.Computer-Assisted Decision Support System in Pulmonary Cancer detection and stage classification on CT images[J].J Biomed Inform.2018.79：117-128.

[2]Teramoto A，Tsukamoto T，Yamada A，et al.Deep learning approach toclassification of lung cytological images：Two-step training using actual and synthesized images by progressive growing of generative adversarial networks[J]. PLoS One，2020，15（3）：e0229951.

[3]張遜. 人工智能輔助肺癌診療一體化解決方案的臨床實踐與展望[J]. 中國胸心血管外科臨床雜志，2019，26（12）：1167-1170. DOI：10.7507/1007-4848.201910037

[4]宋冬冬，朱曉明，朱麗娟， 等.雙能CT融合圖像在人工智能肺結節篩查中檢測效能的探索研究[J].中國醫療設備，2021，36（2）：73-76. DOI：10.3969/j.issn.1674-1633.2021.02.018.

[5]楊舒一，單飛，施裕新， 等.晚期肺癌免疫治療現狀及影像學療效評價和預測[J].中國臨床醫學，2019，26（4）：641-646. DOI：10.12025/j.issn.1008-6358.2019.20190089.