早期筛查：医疗人工智能如何助力肿瘤诊疗

医疗人工智能在肿瘤细分领域如何发挥实际作用，如何在癌种临床诊疗过程中真正发挥作用。流程上方便医院管理，技术上提高医生工作效率，效果上使医生患者获益，是医疗AI最终走入医疗实践的金标准。医疗AI如何助力肿瘤早期筛查,今天就此话题与大家分享交流。

一

理性看待医疗AI

人工智能（Artificial Intelligence, AI）在AlphaGo战胜围棋世界冠军这样的的现象级事件之后，以飞快的速度变成了大家日常茶余饭后的谈资。

回归到我们关注的医疗领域，这一次人工智能在医疗领域的热潮始于医学影像方面。这股热潮刚好迎合了“人民群众对健康美好生活的向往”，让本来比较保守的医疗领域有一种久旱遇甘露的感觉，所以没有经过太多时间，就已经被媒体炒作，民众理解人工智能可以替代医生等论调。

现有的AI技术只能是作为医疗从业者的辅助工作，离“替代”还有很长的路要走。临床医学分为非常多的专科，这就造成了即使在医院里面，医生也是隔“科室”如隔山的现象。

细分到AI在肿瘤医学领域的应用，医疗影像AI能辅助影像科医生阅片，实际最后决策依然需要临床主管医生实施。另一方面就算是Watson这样已经商用的医疗AI，也只是可以辅助肿瘤科医生进行临床决策的工作，实际也需要大量的影像，病理报告输入，才可以最后给医生一些决策上的支持和提醒。AI和医学的跨界融合和落地使用问题，还是需要计算机、信息、临床医学等各个领域的专家一起合作才能解决。

二

医疗AI在肿瘤诊疗的应用场景

从肿瘤诊疗的过程来看，我们在这里划分为：诊前，诊中和诊后三个阶段，看看AI在这三个阶段如何发挥作用，助力肿瘤诊疗。肿瘤诊前可以理解为两个部分组成：早筛和诊断（确诊）。

2018年美国癌症协会公布早期癌症筛查指南指出：

1. 50 岁到 74 岁的有普通风险的女性，每 2 年做一次钼靶（乳腺X光片）进行乳腺癌筛查。40-49岁有家族史、个人风险可以与医生写上进行筛查。核磁共振（MRI）有时候跟 X 线造影一起使用，但MRI 会有一些假阳性，所以只适用于高风险的人群。

2. 21 岁到 65 岁的女性可以使用宫颈涂片和HPV检测筛查宫颈癌。

3. 55 岁到 80 岁之间，重度吸烟史，现在仍在吸烟或者是在过去 15 年内戒烟的人可以进行低剂量螺旋CT的肺癌筛查。

4. 50 岁以上人群可以进行多种方式筛查，包括：每年一次的大便免疫化学检测；每年一次的高敏感性、基于愈创木脂的大便隐血检测；每3年一次的多目标大便DNA检测；每10年一次的结肠镜检查；每5年一次的CT结肠造影；以及每5年一次的乙状结肠镜检查。自己或者直系亲属有过息肉或者是结肠癌，患有炎性肠道疾病，比如说溃疡性肠炎或者克罗氏肠炎，患有 APC 或者 HNPCC 综合症的人群可以在50岁之前就进行筛查。

5.其他的癌种因为技术的原因，暂时没有特别灵敏的手段进行筛查。

Arterys 的肺癌和肝癌影像读片系统

以上我们可以看到，癌症的筛查还是以影像筛查为主的，目前早期诊断大部分阅片工作是由临床医生完成，随着医疗影像AI的深度研究，医生的部分重复性工作或许可能会由AI替代。

科学家认为AI在检测肿瘤方面可以比临床医生做的更快、更好。这也是医疗影像AI 非常火爆的原因，另一方面原因是影像学的数据不像一份病历一样，包含病史、病人信息、症状、治疗手段、等多方面的零散信息，它本身就是一个原始的数据，信息集成度高。同时医学影像数据本身很好地契合了人工智能表征模型算法。因此，和其他的医疗数据相比，影像数据处理难度更小，处理价值却更高。

医疗AI除了在影像方面助力癌症早筛之外，另一个信息集成度高的数据就是基因数据，基因数据也属于原始数据，AI的高计算力能快速的挖掘基因数据中的价值。近年来，通过对血液样品中的ctDNA或者CTC进行癌症的早筛也是技术和资本投入的热点。

比如基因测序届的老大Illumina在2016年初就宣布成立全新的公司Grail，专门从事癌症早筛的血液检测开发。Grail发起了一个血液ctDNA的大型临床试验，收集样本、建立血液检测癌症的基因组数据库CCGA（Circulating Cell-free Genome Atlas）临床试验，区别于癌种病理组织基因组数据The Cancer Genome Atlas (TCGA)。

今年的AACR 2018大会的报道时，CCGA临床试验已经在美国24个州的140多个临床试验点入组1万多病人。一项经得起推敲的技术革命都是需要时间，专业和资本投入，严谨的基础研究工作的开展是临床转化的基石，我们不希望类似“一滴血检测肿瘤”的骗局再次重演。以下我们分享一些AI在癌症早筛上的一些研究进展，抛砖引玉，让大家更多关注这个细分领域。

AI 助力基因数据分析

三

医疗AI临床实践

01

AI诊断黑色素瘤比皮肤科医生更精确

全世界每年约有23.2万新诊断的黑色素瘤病例和55500例死亡病例。黑色素瘤是皮肤肿瘤中恶性程度最高的瘤种，容易出现远处转移。早期诊断和治疗因而显得尤为重要。

研究表明，由德国，法国和美国的团队开发的AI系统可以比皮肤科医生更准确地诊断皮肤癌[1]。该项研究通过展示黑色素瘤和良性痣照片的方式，让一个深度学习的卷积神经网络（convolutional neural network or CNN）的软件同58名来自17个国家的皮肤科医生诊断。

结果发现，该软件能够在95％的癌性痣和良性斑点图像中准确检测出癌症，而由58名皮肤科医生组成的团队准确率为87％。该项研究的第一作者海德堡大学的Holger Haenssle在一份声明中表示：AI黑色素瘤误诊率更低，这意味着它比皮肤科医生有更高的敏感度。该团队表示，人工智能可能是更快，更容易诊断皮肤癌的有用工具，可以提高在扩散前治疗的机率。

AI系统将癌性病变的皮肤与良性病变区分开来

02

AI提高早期诊断乳腺癌的准确率

中国乳腺癌发病率的增速是全球平均增速的两倍，在全世界排第一。成为威胁女性健康的最大疾病，乳腺癌的早期诊断显得尤为重要。美国的乳腺专家Bleyer报道指出：尽管早期乳腺癌病例的检出量大幅增加，但乳房X光摄影术筛查仅略微降低了女性的晚期癌症患病率。筛查导致了大量的过度诊断，且对乳腺癌死亡率仅有很小的作用。

基于人工智能的技术旨在减少过度诊断和假阳性

伦敦帝国学院的研究人员正与Deep Mind Health合作，开发基于人工智能的技术，以提高乳腺癌筛查的准确性[2]。研究人员通过研究7500张匿名乳房X光片，希望开发出能够减少过度诊断和假阳性的软件。他们打算在今年晚些时候报告他们的发现。

总的来说，早期诊断肿瘤异常重要，AI的介入大大提高了诊断效率和准确率，但仍然存在很多完善之处。我们期待AI的不断成熟，为全世界的肿瘤患者带来更多的生存获益。

THE END

信息参考出处：

1. Man against machine: AI is better than dermatologists at diagnosing skin cancer，每日科学报道, https://www.sciencedaily.com/releases/2018/05/180528190839.htm

2.Research collaboration aims to improve breast cancer diagnosis using AI，帝国理工学院报道，https://www.imperial.ac.uk/news/183293/research-collaboration-aims-improve-breast-cancer/