文 | AI报道

近日，《自然·医学》（Nature Medicine）杂志上报道了一则谷歌AI团队的最新人工智能研究成果——预测肺癌。来自西北大学、斯坦福大学、帕洛阿尔托退伍军人事务部和纽约大学的研究人员也参与了这项研究。

Google深度学习AI模型​

肺癌目前是全世界发病率和死亡率最高的癌症，也是中国癌症患者的头号杀手。2018 年，全世界有 960 万人死于癌症，其中肺癌死者就有 176 万，高居癌症死亡率第一位。在中国，由于人口老龄化和空气污染的严重态势，且吸烟率居高不下，肺癌也已成为死亡率最高的恶性肿瘤。大规模临床试验表明，胸部低剂量CT扫描可以发现肺癌的重要特征，将死亡率降低20%～43%，这是肺癌筛查的首选方式。

然而精准地检查出结节是一个挑战——筛查方法错误率很高，因此实用性有限。考虑到还有其他临床因素的影响，许多肺癌在发现时已是晚期，难以有效治疗。如何提高肺癌早期诊断的准确性，是科学家们想要让AI充分发挥优势来解决的问题。

为此，谷歌的AI科学家们开发了一种深度学习模型。这是一种通过实例来教会计算机学习的AI技术。研究人员使用了来自近1.5万名患者的4万多张CT扫描图像训练AI，其中有近600名患者在一年内经活检证实患有癌症。“放射科医生一般会在单次CT扫描中检查数百张二维横截面，但我们让新的机器学习系统在一个巨大的三维图像中观察肺部。”这项研究的共同作者，西北大学的Mozziyar Etemadi教授介绍。

可疑肺结节的生长速度是恶性肿瘤的重要指示，为了让AI在无人类参与的情况下学会预测肺结节的恶性程度，研究者在训练AI时不仅准备了患者初次确诊时的CT扫描作为输入，还使用了更早之前的CT扫描进行比对。“AI不仅要看当前的CT扫描，还要比对先前的扫描结果，因此理论上讲，这是一种‘4D’扫描。” Etemadi教授补充。

在这项研究中，谷歌的 AI 算法至关重要。当然，这也受益于谷歌强大的计算机运行能力。项目负责人Daniel Tse 的团队用 42290 张 CT 扫描图像进行训练，以便在无人类参与的情况下预测肺结节的恶性程度。他们发现，在 6716 个测试病例中，该人工智能系统能够以 94% 的准确率发现极小的恶性肺结节。

同时，AI与六名平均有8年临床经验的放射科医师进行了“较量”，表现亮眼。在有先前CT扫描图像的情况下，AI系统与放射科医生的成绩不相上下。而在无先前CT扫描图像的情况下，AI的表现甚至超越所有6位放射医学专家，假阳性减少11%，假阴性减少5%。高灵敏度和低漏检率意味着，如果在临床环境使用，可以减少不必要的随访带来的额外负担，同时更少错过肿瘤。

Daniel Tse表示：“目前的研究主要目的是为了创建深度学习的模型，且可以解决目前肺癌筛查中的高假阳性和高假阴性问题。而现实应用中，总会有一些限制因素，这就使得AI 不能得到 100% 的精确度。”

关于这篇文章，医学成像国际权威、美国伦斯勒理工学院讲席教授王革在接受采访时表示：“低剂量 CT 检查对于肺癌普查极为重要，在这个领域人工智能 AI 方法大有作为。若干团队都先后独立报告了令人鼓舞的结果，而这篇文章是一个杰出的代表。”王革赞同 Daniel Tse 的观点，这些结果还在早期阶段。如何改进、优化和验证，以及如何融入放射科医生的工作流程、如何实现可解释性等方面均有大量的工作要做。他最后强调：“人工智能 AI 是新的范式，道路曲折，前景光明。必将显著提高医疗质量，造福民众。”

Watson肿瘤领域新进展

IBM的Watson的主要特点是人工智能应用，如今IBM对于治疗癌症的研究和应用，大多推动Watson商用化实现。据美通社报道，2019年6月3日，IBM Watson Health 及其合作伙伴在美国临床肿瘤学会 (American Society for Clinical Oncology) 2019 年会上发布了 22 项新科研成果，展示了 IBM Watson Health 在为全球癌症治疗提供临床决策支持方面取得的进展。

IBM Watson Health 肿瘤学与基因组学首席医疗官、医学博士、工商管理硕士 Nathan Levitan 表示：“当前，人工智能技术正在实际临床工作中，帮助医生改进治疗癌症的方法。人工智能帮助多学科肿瘤诊疗团队根据整合的科学证据作出更明智的决策、提供无法通过人工识别发现的重要见解和信息，并通过提供全面的治疗方案，提高患者的满意度。”

Watson Health 的研究表明，Watson 人工智能系统在支持基于实证的治疗决策、增强患者对治疗计划的信心、标注基因组变异以及确定临床干预措施方面具有一定价值。总共有 70 多份经同行评议的研究报告、海报和摘要为 Watson Health 系列解决方案在肿瘤学和基因组学领域的产品与服务提供支撑。

Levitan 补充道：“人工智能处于在医疗健康决策的早期应用阶段。Watson Health 在今年美国临床肿瘤学会年会发布的研究提供了令人信服的证据，证明了在帮助肿瘤医生改善每位患者的癌症治疗方案方面，这项技术将发挥重要的作用。”

在美国临床肿瘤学会年会上，Watson Health发布的一些重要研究成果：多学科肿瘤诊疗团队基于Watson肿瘤解决方案提供的信息，调整了其13.6%病例的治疗方案。Watson 基因解决方案为治疗血液恶性肿瘤患者（Hematological Malignancies）的肿瘤学家提供了新洞察。

值得一提的是，IBM Watson Health 的战略重点是，根据医生提供的反馈信息和通过科学数据获得的见解定制产品与解决方案，改善重要医疗健康市场中的肿瘤学家的工作流程体验。目前，Watson Health 肿瘤学和基因组学产品正在为全球超过 15 个医疗健康市场中的癌症诊疗相关的医生和患者提供支持。

多方开展AI抗癌研究

除了Google和Watson，还有很多科技企业和组织都在用超级计算机和机器算法，去挑战各种癌症。Singlera Genomics CEO 张江立曾表示：“AI对癌细胞影像识别的辅助诊断已经是应用路径清晰的工具。但另一些AI的癌症应用仍旧面临成本高、处于技术初期、商用落地难的问题。”

微软曾提出过一个饱受争议的终极AI抗癌路径：对细胞进行编程治疗癌症，让细胞选择分裂或者死亡。但生物活动是一个更为复杂的过程，癌细胞的伪装、变化、转移、与外界作用，让电脑程序相比之下显得过于简单。微软试图用生物模型分析仪（BMA）结合超级计算机，去模拟癌变产生的过程。

微软高级研究员、剑桥大学副教授Jasmin Fisher负责这项研究。她的团队采用了微软的生物模型分析仪。该系统创建了一个计算机模型，将健康细胞的生物过程与疾病发作时发生的异常过程进行比较。

据了解，清华大学深圳研究生院也申请了一篇名为《一种疾病筛查和诊断系统》的专利（申请号：CN201811404331.6），利用人工智能进行疾病的筛查和判断。

上述的疾病筛查和诊断系统包括两个部分：相互连接的人工智能超声单元和人工智能诊断云平台单元。人工智能超声单元1压缩版实时检测网络为了将人工智能算法植入超声设备，实现在超声设备屏幕上实时勾画病灶，因本发明针对超声设备计算能力有限的问题，使用了基于深度学习的Tiny Ultrasound Breast YOLO(TUB-YOLO)目标检测算法，大幅降低计算量，实现在超声设备端23fps的实时效果。

此次发明申请涉及的疾病筛查和诊断系统可减轻医生工作量，减少对经验的依赖性，能提供精确度高的辅助诊断，有效防止漏诊误诊，提高诊断效率。

尽管人工智能抗癌目前处于早期，对于协助科研、癌症药物研发更为有用，距离临床诊断仍旧遥远，但战胜癌症这个美好愿望会一直激励大家在科研道路上越走越远。