在生物醫學研究和醫療保健領域，人工智慧（AI）越來越受到重視，特別是在癌癥研究和腫瘤學領域，包括癌癥檢測和診斷、分類、治療優化等藉由AI技術來增進檢測和診斷的效益。
隨著疾病的發展，癌癥以多種方式表現出來，導致醫療決策的背景特別具有挑戰性。人工智慧（AI）在生物醫學研究和醫療保健領域越來越受到重視，特別是在癌癥研究和腫瘤學領域，其中包括癌癥檢測和診斷、分類、治療優化，以及在藥物開發過程中新標靶治療的識別。
人工智慧和早期癌癥檢測
其他疾病不同，癌癥必須在不同階段進行治療，主要是由于檢測差距所致。而人工智慧技術可能有助于檢測體內組織中的癌前病變，提高癌癥檢測的靈敏度。進而幫助放射科醫生加速對影像進行視覺分析檢測到病變，甚至發現原本無法檢測到的微小病變組織。
根據在歐洲呼吸學會國際大會上發表的一項新研究，人工智慧有機會能夠比傳統的CT掃描提早一年檢測出肺癌（圖1）。研究人員利用888病患的CT影像對人工智慧系統進行訓練，而這些人之前都接受過肺部放射檢查后發現病變。
完成對人工智慧系統訓練后，研究人員利用3年的時間，利用人工智慧系統對1179名參加者的肺部影像進行檢測，最終在所有177位惡性腫瘤病患中，成功辨識出172位肺部有腫瘤病變，檢出率達到97%[1]。
| 圖1 : ERS在國際大會上發表的研究結果。人工智慧有機會能夠比傳統的CT掃描提早一年檢測出肺癌。（source：European Respiratory Society） |
|
由于許多因為職業風險而導致癌癥，有時在幾十年內都沒有被發現。因此可以透過人工智慧系統為醫生提供客觀有效的資訊，減少診斷負擔以及漏診和誤診率。此外，考慮到某些惡性腫瘤相關的低存活率—例如，間皮瘤（Mesothelioma），這是一種因為暴露在石棉下所引起罕見且高致命的癌癥，5年的存活率為10%。而透過人工智慧，可以提早發現出間皮瘤，經過適當的治療來提高存活率。
除了肺癌和間皮瘤，研究人員還對腺癌、腎癌、大腸癌和腦瘤等領域進行檢測和診斷的。現今這一領域的研究速度之快，似乎人工智慧在癌癥領域有著巨大的應用潛力。
人工智慧預測癌癥的發展
人工智慧還可以幫助癌癥的預后。可以在發病前檢測出已經存在腫瘤的高風險群，這可讓臨床醫生能夠對這些患者提供更適當的醫療行為，并視情況需要立即進行處理。除了癌癥檢測，人工智慧還可以預測惡性腫瘤的進展和演變，這可能會幫助醫生為個別患者設計不同的治療方法。早期治療可以提高患者的生存機會，因為癌癥在有機會建立抗性免疫反應之前就被消滅。
由愛丁堡大學和倫敦癌癥研究所（ICR）所成立的一個研究小組，藉由人工智慧技術開發了一種能夠識別惡性細胞內DNA突變模式的模式，可以利用這個模式來預測基因改變，同時還發現了某些反覆發作的癌癥突變序列，與存活率之間的依存關系性。此外，團隊也設計了一種新技術，可在有類似情況的病患之間分享腫瘤資訊。透過辨識復發可能的模式，并將其與已知的腫瘤學資料整合起來，預測出腫瘤的未來生長位置。
進行內視鏡檢查時并未被發現息肉而病變大腸癌
根據衛福部的統計，在臺灣，大腸癌發生、死亡人數，每年呈快速增加的趨勢，居所有癌癥發生率及死亡率的第2位及第3位[2]。
侵襲性癌細胞而其中大多是由癌前病變（息肉）發展而來（圖2），如腺瘤性息肉。而透過大腸內視鏡的檢查，可以在早期發現癌前病變，并將其腫瘤摘除，有著相當顯著降低癌病變的功效，但是但由于是用肉眼進行檢查的，因此也存在著被疏忽的風險。
| 圖2 : 形成惡性腫瘤前的細胞變異過程（source：NCI Division of Cancer Prvention） |
|
盡管如此，有些息肉根據其大小、形狀和位置是不容易識別，而且醫生之間的診斷能力也存在很大差距。因此根據報導，大腸腺瘤性息肉的疏忽率高達24%[3]，因此有許多病例的病變，在進行內視鏡檢查時并未被發現息肉下，發展成大腸癌。
因此日本NEC針對這樣的需求，利用臉部識別技術開發出了影像檢測系統，利用AI技術來檢測大腸息肉。這個軟體系統是透過內視鏡檢查時所拍攝的影像，再利用人工智慧自動檢測來找尋出疑似出現病變的位置（圖3）。
| 圖3 : 在檢查過程中，通過內視鏡設備拍攝的影片自動檢測疑似病變。然後醫生擷取靜止影像（左），并很快顯示分析結果（右）。（source：日本NEC） |
|
利用臉部辨識技術來檢測惡性腫瘤
2015年1月，一位NEC的員工在泰國曼谷國際機場候機時，與內視鏡醫師討論了利用影像進行病理分析的可能性，而開啟了NEC投入臉部辨識AI技術應用的研發計畫。其中有一段關鍵的對話，當時NEC的員工表示，NEC的臉部辨識技術在世界上是最好的[4]。而內視鏡醫師則表示，其實腫瘤也有特定的「面孔」，提出是否有可能利用臉部辨識技術，來檢測出惡性腫瘤的想法。
當NEC這位員工回到日本后，立即請教了內部專精于臉部辨識技術的研究員。雖然研究員對于是否真能利用臉部辨識技術來檢測惡性腫瘤產生疑慮，還是進行了相關的影像研究，在病患數十張的照片當中，利用臉部辨識技術來嘗試辨認出是否存在惡性腫瘤。經過實驗以后，研究人員發現，如果必須在「有沒有癌癥」之間做出選擇，可能有50%的機會猜對。但當真正嘗試透過特征點進行判斷時，會驚訝的發現有70%的答案是正確的。因此，NEC的相關研究部門就開始思考是否能將深度學習（Deep Learning）應用于醫學，而帶來新的可能性。
當再進一步的嘗試利用臉部辨識技術來辨識非人類臉部時，其難度卻出乎了預期。與人類臉部不同的是，癌癥腫瘤沒有特定的形狀（就像臉部的鼻子，一定是呈現類似三角錐狀的突起，即使有差異，也不會長成耳朵的形狀，或是變成眉毛），因此很難對特征進行定義，而克服這個困難點可能是最大的技術問題。
由于腫瘤會有不同類型的病變，包括凸起的及平坦的。而哪些已經轉變成惡性腫瘤？哪些還只是息肉或只是零期癌癥？對于這些問題，NEC尋求日本國家癌癥中心中央醫院的醫學專家協助判斷分析（圖4）。
| 圖4 : 國家癌癥中心是日本研究癌癥的核心機構（source：日本國家癌癥中心） |
|
由于腫瘤有許多不同的類型，包括極難識別的表面腫瘤（癌前病變），以及非常小的凹陷性大腸癌。因此，NEC團隊在獲得了5,000名患者的30萬張內視鏡影像后，在資料庫中逐一地建立相關數據，而這些數據都會被用來進行深度學習時的「正確答案」。
檢查中同時進行分析是最大技術挑戰
「辨識出惡性腫瘤」并不是最大的技術門檻，而是要能夠在檢查中就能夠進行分析。在病患進行檢查時，將內視鏡插入后，必須根據鏡頭的影像來確定是否存在息肉。如果發現息肉的話，就需要同時進行切除等治療。為了實現這一目標，加快影像分析的速度，來實現分析與檢查并行，就成了最大的研發挑戰。
深度學習模型對于高速分析來說結構太龐大了，因此，NEC利用臉部識別研發中所積累的專業知識來減少模型的大小，來加快分析的速度。
通過這種方式，研究團隊透過深度學習、獨特的高速處理算法，和影像處理單元 （GPU），開發了一臺具有人工智慧技術的PC，建立出可以在臨床檢查中，回傳分析結果的系統。
在解決高速分析的問題之后，另一個新的問題又伴隨而生，那就是「如何減少未發現和過度檢測」。 「未發現」指的是就是疾病在檢測過程中被忽視，而「過度檢測」是被誤認為存在疾病，而實際上并沒有。如果有太多的過度檢測，在內視鏡插入大腸時，一分鐘內會發出多次警報。雖然可以防止病變被忽視，使得警報變得不可靠，而不被相信。
最初，過度檢測的發生率為百分之幾十，在經過一些試驗和錯誤而改善了機制之后，已經成功地將其降低到了1%以下，同時，未被發現的病例數量也有所減少，最終實現了較高的發現率（圖5）。
| 圖5 : 利用人工智慧來進行內視鏡影像進行大腸鏡檢查分析（source：日本國家癌癥中心中央醫院） |
|
精準治療中的AI應用
「精準醫療」通常被稱為個人化醫療，讓臨床醫師能夠從各種治療方式中，選擇對病患最有效的療程，或是進行新型藥物的開發。新一代機器學習演算法可以整合非常龐雜的數據，也許能夠突出新療法的可能性，根據每個人獨特的基因規劃出治療的方法。相信在未來，AI能夠對癌癥患者的治療過程產生實質的影響性，尤其是在精準醫療領域。
根據美國疾病管制與預防中心的資料，目前癌癥和心臟病是美國中年人的主要死因，隨著確診和死于癌癥的人數不斷攀升，可能很快就會成為整體死亡的主因。其實癌癥是一種慢性但可治愈的疾病，如果早期發現，整個醫療費用并不會太高昂。
不論是空氣污染、輻射、化學品和殺蟲劑等，甚至暴露在職業性致癌物下，都有可能會增加罹患癌癥的風險。隨著新致命疾病的出現，慢性疾病獲得醫療保健資源可能日益減少，如果透過AI這樣的新興技術，相信可以彌補短缺醫療資源。目前AI已在許多領域取得重大進展，期待也能醫療保健領域，尤其是腫瘤醫學獲得更大的突破。
參考文獻
[1] HTTPS：//嗚嗚嗚.而是net.org/news-安定-features/news/artificial-intelligence-diagnose-輪轂-cancer-啊-year-earlier/
[2] 臺灣衛福部在2021年8月2日的「大腸癌防治概況」一文中所公布。 https：//www.hpa.gov.tw/Pages/Detail.aspx?nodeid=615&pid=1126
[3] REX DK，Cutler CS，LEMMEL GT，Rahmani EY，Clark DW，Helper DJ，Lehman Ga，Mark DG。
[4] NEC獲得五次被美國國家標準與技術研究所（NIST）評價為臉部識別技術準確度第一。
*刊頭圖（source：www.imperial.ac.uk）
