2018-07-10 11:39:35 陳靜
在我國，肺癌的發(fā)病人數和死亡人數居癌癥之首。每年，肺癌發(fā)病人數約８３萬，占全國癌癥發(fā)病人數的２０．５％，死亡人數約６２萬。２０年來，患者５年生存率一直徘徊在１６％到２０％之間。“如何才能降低肺癌的死亡率呢？關鍵是早期診斷，規(guī)范治療。”四川大學華西醫(yī)院院長李為民告訴經濟日報記者。
為幫助人類對抗肺癌，如今，人工智能一顯身手。華西醫(yī)院日前與依圖科技宣布，合作研發(fā)全球首個肺癌臨床科研智能病種庫和全球首個肺癌多學科智能診斷系統。據悉，肺癌臨床科研智能病種庫收錄了華西醫(yī)院２００９年至今收治的２．８萬例肺癌患者的影像、病理、基因檢測、病歷文本等多維數據，并通過人工智能技術清洗、解析與重構了大量非結構化數據。肺癌多學科智能診斷系統則依托病種庫，綜合多學科臨床信息進行綜合診斷，能實現結節(jié)篩查、肺癌全類型病灶診斷覆蓋等功能。作為人工智能“獨角獸”公司，依圖科技近期宣布剛剛完成２億美元的Ｃ＋輪融資，其計算機視覺人工智能技術目前主要應用在安防、金融以及醫(yī)療３大領域。
那么，在對抗肺癌這件事上，人工智能到底能做什么？又要解決哪些難點？
人工智能可以幫助醫(yī)生們看得更準。李為民告訴記者：“早期篩查肺癌，第一是要找到結節(jié)，人工智能能夠明顯提高胸部ＣＴ檢查的準確性，比如對５毫米以下的結節(jié)，檢出率能達到９８％以上。”依圖醫(yī)療總裁倪浩表示，這部分技術已相當成熟，“與人類醫(yī)生團隊４．３％的漏檢率相比，人工智能的漏檢率僅為０．７％”。不過，有結節(jié)不見得就是癌癥，還要能夠識別它的性質。在判斷結節(jié)性質上，重點是追蹤病灶的變化。“它去年多大，３個月前多大，但這個判斷并不容易。目前的做法是先建立肺的３Ｄ模型，然后利用深度學習技術分段，以此確定病灶的位置，最后計算它的體積，并且判斷征象及其變化。”倪浩說。
與之相比，人工智能也在形成新的智慧。在傳統臨床科研過程中，通常是醫(yī)生首先懷疑某些因素可能與某問題有關，然后再通過臨床實驗或者病人病歷獲得數據支撐。而人工智能通過匯集和整合海量病人信息，包括電子病歷、基因、病理檢測等多維度數據，一方面能夠針對每位患者向醫(yī)生提出參考診斷和建議治療方案，另一方面，也可以通過人工智能輔助建模賦能臨床科研，從而找到與治療相關的最新因素。
“從這些方面來看，人工智能對于診斷的輔助是可復制的。我們也計劃從肺癌開始，嘗試將人工智能的輔助診斷拓展到肝癌、乳腺癌、胃癌、腸癌等１０個病種中去。”倪浩表示。
不過，人工智能也要“翻過一山又一山”。首先是數據的結構化和標準化問題。就像患者總抱怨看不懂醫(yī)生手寫的病歷本一樣，人工智能同樣要面對這一問題。“最大的難點是很多醫(yī)學數據結構隨意、差異大，醫(yī)生寫的病歷格式不同，描述方式不同。這就需要人工智能的語義理解，也要參照國內外的肺癌醫(yī)學指南，針對肺癌的臨床要求，研究標準化字段，擴大臨床信息提取的范本。在影像數據方面，則更為復雜。我們通過人工智能深度神經網絡的影像結構來提取模型，包括病灶的類型、大小等。”李為民表示。
其次是解決人工智能的不透明問題。受深度學習的算法影響，人工智能雖能做出結論，人類卻很難了解它的決策理由。那么，它如何才能得到醫(yī)生們的信賴？“我們在產品層面加入了一些可解釋的技術分析指標，用來給醫(yī)生提供證據，告訴他們?yōu)楹稳绱伺袛唷１热?，人工智能會告訴醫(yī)生觀察到病灶出現了分葉征、空泡征等特征，因此判斷它是惡性的。”倪浩告訴記者。
此外，人工智能在應用場景的“落地”，始終要面對商業(yè)化問題。倪浩表示：“‘癢點’是沒有商業(yè)化前景的，‘痛點’才有商業(yè)化前景。隨著我國肺癌篩查的普及，篩查人數一定會有巨大增長，醫(yī)院人力難以承受，這就是‘痛點’，必然會需要人工智能的幫助。”
“對肺癌篩查和診療的介入，意味著人工智能正在從科研走向臨床。”在中國衛(wèi)生信息與健康醫(yī)療大數據學會會長金小桃看來，人工智能的參與還有助于打破醫(yī)療資源分布不均這一“瓶頸”：“大醫(yī)院人滿為患而基層醫(yī)療機構診療能力提升困難，以人工智能技術為工具，打破信息屏障，將大醫(yī)院的診療能力賦能基層，讓基層醫(yī)院醫(yī)生能夠更準確地進行診斷和治療，是解決我國醫(yī)療資源短缺的重要手段。”
返回頂部