当人工智能（AI）遇上癌症

来源：医世象

2019年初，医学顶级期刊CA（IF=244）在线发表题为“Artificial intelligence in cancer imaging: Clinical challenges andapplications”的综述，该文章提出了：尽管迄今为止评估肿瘤学中AI应用的大多数研究尚未得到有效再现性和普遍性的有效验证，但结果确实突出了越来越多的努力将AI技术推向临床应用并影响着未来癌症护理发展方向。

原文链接：

https://onlinelibrary.wiley.com/doi/full/10.3322/caac.21552

诊断作为医学的核心原则之一，依赖于多层数据与细微决策的整合。癌症诊疗为医疗决策提供了独特的背景，不仅要考虑到疾病进展的多样化形式，还要考虑到患者的个体状况以及接受治疗的能力和对治疗的反应。尽管技术有所改进，但癌症的准确检测，表征和监测仍存在挑战。疾病的放射学评估最通常依赖于视觉评估，这一点可以通过高级计算分析来增强。特别是人工智能（AI）有望在临床医生对癌症成像的定性解释方面取得重大进展，包括随时间推移肿瘤的体积描绘，从其放射学表型推断肿瘤基因型和生物学过程，预测临床结果，并评估疾病和治疗对邻近器官的影响。

这篇文献里，作者回顾了应用于癌症医学成像的AI的当前状态，并描述了4种肿瘤类型（肺癌，脑癌，乳腺癌和前列腺癌）的进展，以说明如何解决常见的临床问题。

提高临床护理效率的愿望继续推动多项创新实践，包括人工智能。随着对医疗保健服务的需求不断增加以及每天产生的大量数据，临床工作流程的优化和简化变得越来越重要。AI擅长识别图像中的复杂图案，因此提供了将图像解释从纯粹的定性和主观任务转换为可量化且毫不费力地再现的任务的机会。此外，AI可以量化人类无法检测到的图像信息，从而补充临床决策。AI还可以将多个数据流聚合成功能强大的集成诊断系统，涵盖放射线图像，基因组学，病理学，电子健康记录和社交网络。

在癌症成像中，AI在执行3个主要临床任务中具有很大的实用性：肿瘤的检测，表征和监测。检测是指放射线照片中感兴趣对象的定位，统称为计算机辅助检测（CADe）。基于人工智能的检测工具可用于减少观察性疏忽，并作为初步筛选以防止遗漏错误.在模式识别环境中制定，具有可疑成像特征的区域被突出显示并呈现给阅片者。CADe已被用作辅助助手，用于识别低剂量CT筛查中遗漏的癌症，可检测MRI中的脑转移，以改善放射学解释时间，同时保持高检测灵敏度，将乳腺钼靶检查中的微钙化簇定位为早期乳腺癌的指标。

除了成像之外，同时开发了其他微创生物标志物用于癌症诊断和疾病的纵向追踪。最值得注意的是，液体活检或从肿瘤细胞释放的循环肿瘤DNA（ctDNA）的分析提供了进入癌症当前和动态状态的窗口，并允许跟踪疾病进展或回归并监测可靶向或出现的情况。近乎实时的抗药相关癌症突变。因此，可以想象液体活检与放射组学分析相结合，可以通过癌症生物学的非侵入性表征显着改善癌症治疗，从而更准确地评估预后和实际情况，为精确医学目的进行时间疾病监测。

在诊所内，上述AI干预措施有望增强其各自目前的标准护理对应物。除了为临床医生提供辅助信息外，多方努力还证明了AI在工作流程的临床决策阶段的实用性.基于AI的集成诊断，将分子和病理信息与基于图像的研究结果相结合将增加丰富对调查结果的智慧层面，最终产生更明智的决策。

随着人工智能的力量和潜力越来越多地得到证实，人工智能仍有多个方向转变为常规临床实践的可能。

今天我们再分享一篇复星医药数字科技创新部副总经理兼星邦健康科技公司总经理 王浩的文章，介绍了人工智能（AI）在癌症领域的应用、进展和突破。

人工智能（AI）的发展一日千里，席卷了金融、汽车、安防、医疗等诸多产业，是当今科技领域最受关注的话题之一。在医疗产业，人工智能在医学影像诊断、精准医疗、虚拟助手、新药研发、慢性病管理、疾病风险预测等不少细分领域都大放异彩，科技巨头如百度、阿里巴巴、腾讯公司纷纷布局智能医疗，科大讯飞公司也乘势崛起进入国家人工智能四大平台。在大健康领域，最受关注的疾病非癌症莫属，研究肿瘤、治疗肿瘤、肿瘤疾病管理成为产业界越来越关注的话题。

那么，当癌症治疗与人工智能医疗这两个前沿领域交叉时，又会碰出什么样的精彩火花？

人工智能与抗肿瘤新药研发

新药研发通常涉及靶点确认、化合物筛选及优化、药物评估、制剂开发、临床试验以及监管部门批准等几个步骤，典型的靶点有受体、酶、离子通道、转运体、基因等。人工智能可以通过识别新靶点，预测新化合物能适应的靶点等来加速新药研发。人工智能可以通过对现有化合物数据库信息的整合和数据提取，获得大量化合物的毒性、有效性的关键信息，从而提高化合物筛选的成功率。此外，人工智能还可以通过预测晶型的稳定性和溶出速率来提升药物的稳定性，通过筛出尽可能多的晶型来保证专利的覆盖度。在临床试验阶段，人工智能技术能借助患者临床大数据来筛选更符合试验需要的目标患者，提高临床试验的效率和成功率。

人工智能新药研发技术已逐步进入商业化进程，知名 AI 公司 BenevolentAI 旗下治疗脑胶质瘤的创新化合物已经进入有效性验证阶段。另一家 AI 新药研发公司 Berg 更向癌症之王——胰腺癌发起攻击，其基于人工智能算法发现的新药 BPM31510 已经顺利完成 I 期临床，正在进行 II 期临床试验，其药物发现的过程就源自其bAIcis人工智能新药研发平台。AI 新药研发公司 Insilico Medicine 旗下也有32304、1439、61 和 27 四款针对癌症的化合物临近临床。IBM 公司旗下的沃森药物发现平台，利用其自然语言处理（NLP）、机器学习和深度学习能力，通过阅读海量文献揭示隐藏较深的联系，更快地发现靶点，IBM 公司旗下的沃森健康也在 2016 年与辉瑞公司达成合作，共同致力于癌症药物的研发。谷歌子公司DeepMind 的 AlphaFold算法曾冒充人类参加两年一度的国际蛋白质结构预测竞赛并摘得桂冠，而蛋白质结构研究是新药研发重要的一环。人工智能在新药研发，尤其是抗肿瘤新药研发领域发挥着越来越重要的作用。

人工智能与癌症诊断

人工智能在新药研发领域存在巨大潜力，不过，迄今尚未有基于人工智能技术的新药被研发出来。与此相比，人工智能在癌症诊断领域的应用已遍地开花，不少该领域的人工智能技术已经拿到了美国食品药品监督管理局（FDA）或国家药品监督管理局（NMPA）的医疗器械证书。

人工智能癌症诊断领域最火热的癌种便是我国第一大癌——肺癌。根据国家癌症中心 2018 年发布的数据，我国每年新增肺癌发病人数约 78.1 万人。肺癌的诊断依据之一是根据肺部 X 射线影像来判断是否有肺部结节，再进一步判断是良性结节还是有肿瘤风险，而影像阅读就可以借助人工智能。阿里巴巴集团的 Doctor You 和腾讯觅影两大人工智能医疗平台都已介入肺癌早期的肺结节筛查，几家创新公司如推想科技、依图科技等也无不将肺癌诊断纳入其业务版图。通过提升人工智能对肺结节的识别，对实性、钙化、磨玻璃密度结节等多种结节病灶识别的准确度，人工智能辅助肺癌诊断的水平可以得到大大提升。另外，不少药厂、医疗器械厂商均已布局肺癌诊断与治疗领域，这些企业的参与客观上也推动了肺癌人工智能诊断的发展。

与肺癌多发于男性相比，乳腺癌是中国女性发病率第一的癌症。乳腺癌早期的 5 年生存率在 90%以上，因此，乳腺癌的早期诊断和治疗至关重要。与肺癌类似，乳腺癌早期筛查的金标准也是 X 射线检查。美国哈佛大学医学院和贝斯以色列女性医疗中心曾联合对人工智能诊断乳腺癌的技术开展过研究，结果表明，如果把人工智能与病理学家的分析结合起来，乳腺癌诊断的准确率可以从纯人工的 96%提升到 99.5%。谷歌公司更将人工智能应用在中后期乳腺癌转移的诊断上，通过对转移部位的精准定位及大小的精准判断为进一步的治疗提供有力的依据，其算法对中后期乳腺癌淋巴转移区域的精准定位及大小判断的准确率可以达到 89%，大于病理科医生平均 73% 的准确率。值得一提的是美国 QView Medical公司，该公司用于检测女性乳腺癌的产品——QVCAD系统于 2017 年 12 月获得 FDA 批准，用于 GE 公司的Invenia ABUS 2.0 乳腺超声扫描系统，成为乳腺癌诊断领域第一个获得官方批准的人工智能系统。

在皮肤癌领域，早在 2017 年初，美国斯坦福大学的研究人员就在《自然》（ Nature ）杂志上发表了一篇论文，文中提到，人工智能通过对 129450 张临床皮肤病变图片的学习，在角化细胞癌、恶性黑色素瘤的疾病诊断上已与 21 名认证皮肤病科学家不相伯仲。在宫颈癌筛查领域，武汉兰丁公司用于宫颈癌等诊断的全自动数字（远程）病例分析仪也在2016 年拿到了原食品药品监督管理总局（CFDA）的二类医疗器械证批文。

此外，人工智能在食管癌、直肠癌、结肠癌、胃癌、卵巢癌、甲状腺癌等肿瘤的诊断上也有不少建树，各个细分领域都涌现出了自己的代表性公司。而今，GE 医疗、飞利浦医疗、西门子医疗还有国内的联影等医疗器械巨头都已经在布局人工智能医疗，将人工智能诊断等技术纳入医疗器械标准服务中，提升医疗器械的差异化竞争价值。

人工智能与癌症治疗

癌症的治疗方案往往较为复杂，根据患者所患癌症的种类、分期以及个体化差异往往需要给予不同的治疗方案。这些复杂的信息量交杂在一起，一般的肿瘤科医生要给出适合患者的个体化治疗方案颇具挑战。此外，对于一些罕见亚型肿瘤疾病的患者来说，即便是资深的肿瘤科医生也未必能给出合适的治疗方案。人工智能的发展为这些难题提供了一种可行的解决方案。IBM 沃森系统的一大核心功能正是基于患者的临床数据等来为患者提供不同的治疗方案选择，还会为每种方案标注可信程度，帮助医生找到最合适的治疗方案。

另外一种更具有普遍性的应用场景是临床决策支持系统（CDSS）。CDSS 其实是一种早期的人工智能系统，通过将肿瘤临床指南中诊疗路径规则固化到系统里来为医生提供诊断与治疗决策支持。不过，新一代的基于深度学习技术的人工智能让 CDSS 变得更加智能，通过对肿瘤患者临床大数据的学习，能够为医生提供更为准确的治疗方案。知名肿瘤大数据公司零氪在乌镇举行的第五届世界互联网大会上展出的 Hubble 人工智能辅助决策系统正是基于这样的逻辑而设计。

人工智能在癌症的放射治疗上也在发挥作用。通常的放射治疗流程首先需要医生在 X 射线 /CT 机的辅助下对需要照射的部位进行定位，接着在 CT 机的帮助下勾画靶区和危及器官，再在 CT 机上逐层勾画患者轮廓、治疗靶区和正常组织，而后给出肿瘤各靶区处方剂量、正常组织剂量限制等，最后由物理师计算出每个视野的最佳射束强度分布，使得实际在体内形成的剂量分布与医生的处方剂量接近。在这个过程中，靶区的精准勾画以及剂量的精准计算是影响患者治疗质量的重要因素。好的放疗方案不仅能提升患者的疗效和生存时间，减少患者的放疗不良反应，还能直接降低患者后续的各项费用。我国放射治疗需要的放疗医师和物理师处于严重短缺状态，其中短缺最严重的放疗医师培养周期平均超过 10 年，这导致了我国放疗手术开展受限，许多患者无法得到及时有效的治疗。而借助人工智能算法辅助，医师可以更为快捷地勾画出靶区、规划放射疗法和手术方案，评估模拟放射治疗或者手术方案的治疗效果，给治疗作参考。

提到人工智能与肿瘤诊断就不得不提手术机器人，此类人工智能技术在临床治疗上的应用越来越广泛，典型的案例就是达 • 芬奇手术机器人。这款产自美国的产品由外科医生控制台、床旁机械臂系统、成像系统三个部分组成。通过计算机辅助控制，达 • 芬奇手术机器人能够帮助微创外科医生以更高的精度和更小的误差来进行手术，触及医生无法触及的地方，且达 • 芬奇手术机器人器械精细，尺寸以厘米计算，手术非常精准，创口小、出血少、患者恢复的时间也大大缩短。达 • 芬奇手术机器人目前在甲状腺、妇科肿瘤等牵涉到敏感神经或者隐藏很深需要高精度手术操作的病种上有着广泛的应用。此外，手术定位导航机器人、穿刺机器人、电磁导航支气管镜机器人、肿瘤定向消融放疗机器人等各类用于手术治疗或辅助治疗的机器人，也在肿瘤治疗领域发挥着越来越重要的作用。

人工智能技术不仅在抗肿瘤药物研发、肿瘤诊断以及肿瘤治疗领域能发挥作用，也在肿瘤患者电子病历输入、肿瘤知识图谱构建、肿瘤患者管理等领域崭露头角，相信假以时日必将有成熟的应用进入市场。技术发展不断地驱动产业的前进与患者福祉的提升，人工智能是最具产业发展前景的信息技术之一，肿瘤诊断与治疗也是最具产业发展前景的生物技术之一，当两种技术相遇、互相叠加、互为共鸣，必将让人类在战胜癌症之路上走得更快、更远。

文章来源：iNature以及医世象内容合作伙伴：张江科技评论