研究表明：人工智能可筛查胰腺癌，比医生诊断早三年

日前发表在《自然》杂志上的一项研究报告表明，人工智能算法可以筛查胰腺癌，并预测患者是否会患上这种疾病，甚至比人类医生做出同样的诊断要早3年。

胰腺癌是一种致命的疾病，患者的5年存活率平均为12%。参与研究的学者认为，如果人工智能软件能够可靠地预测哪些患者患胰腺癌的风险更高，那么就可以帮助临床医生在患者早期阶段检测出胰腺癌。

研究人员对从丹麦国家患者登记处和美国退伍军人事务公司数据库获得的数百万份医疗记录进行了人工智能算法训练。而经过训练的人工智能算法可以将诊断代码(医院用来描述不同医疗状况的标签)与胰腺癌联系起来。

例如，黄疸、腹部和骨盆疼痛、体重减轻的一些诊断代码与疾病的关系更为密切，尤其是在诊断前六个月左右在患者身上发现的代码，而Ⅱ型糖尿病、贫血或胰腺炎症等代码通常会更早地被发现。

该研究的联合高级研究员、哈佛医学院系统生物系实验室负责人Chris Sander在接受媒体采访时表示：“癌症在人体内逐渐发展通常需要多年的时间，而且发展速度相当缓慢，直到显现出症状。人工智能系统试图从人体中可能与这种渐进变化有关的迹象中学习。

但人工智能在这方面的实际应用还为时尚早，虽然人工智能可以做出相当准确的预测，但它无法或目前无法识别机制或因果事件。就像科学中经常出现的情况一样，相关性对预测很有用，但因果关系更难确定。”

报告指出，基于Transformer结构的人工智能模型表明，在50岁以上风险最高的1000名患者中，约有320人会发展成为胰腺癌。而与预测较短时间间隔相比，该模型在预测较长时间间隔以及年龄小于50岁的患者时，准确性较低。

这份报告写道:“基于真实临床记录的人工智能有可能为一个地区的早期癌症检测提供灵活的工作流程，将重点从晚期癌症治疗转移到早期癌症治疗，提高患者的生活质量，提高癌症治疗的效益/成本比。”

在实际情况下，有效的预测将依赖于患者病史记录的质量。该研究发现，未来基于人工智能的胰腺癌筛查工具必须根据特定的当地人口的数据进行训练。例如，基于丹麦患者数据进行训练的人工智能模型在应用于美国患者时就不那么准确了。

Sander指出，“鉴于丹麦和美国的一些卫生系统的经验，在每个条件不同、系统不同的国家和地区，最好在当地重新训练模型。人工智能需要大量数据来训练。在不同的地方访问并不简单，因为医疗记录是保密的，并且也应该保密。因此，获得当地的批准和数据安全至关重要。”

这项研究仍处于早期阶段，人工智能软件还不能用于运行筛查程序。甚至在进行试验之前都需要改进。

Sander说，“一旦实施监控程序，应用该软件的实际计算成本将会适中。对人工智能的训练消耗了大量的计算资源。在癌症早期症状或癌症还很小的时候进行临床测试的成本很高，远高于X光片检查等措施。”

尽管如此，该研究团队仍然相信，随着技术的进步和运营成本的降低，人工智能在未来可能成为一种有价值的筛查工具。

哥本哈根大学诺和诺德基金会蛋白质研究中心疾病系统生物学教授兼研究主任、该研究的联合高级研究员Søren Brunak在一份声明中说:“许多类型的癌症对患者、家庭和整个医疗保健系统造成了重大的损失，尤其是那些难以识别和早期治疗的癌症。”

他总结说：“基于人工智能的筛查是改变胰腺癌发展轨迹的一个机会，而胰腺癌是一种侵袭性疾病，众所周知，很难在早期诊断出来并且在成功率最高的时候及时进行治疗。”