在生物醫(yī)學(xué)研究和醫(yī)療保健領(lǐng)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(xué)領(lǐng)域，包括癌癥檢測和診斷、分類、治療優(yōu)化等藉由AI技術(shù)來增進(jìn)檢測和診斷的效益。

隨著疾病的發(fā)展，癌癥以多種方式表現(xiàn)出來，導(dǎo)致醫(yī)療決策的背景特別具有挑戰(zhàn)性。人工智慧（AI）在生物醫(yī)學(xué)研究和醫(yī)療保健領(lǐng)域越來越受到重視，特別是在癌癥研究和腫瘤學(xué)領(lǐng)域，其中包括癌癥檢測和診斷、分類、治療優(yōu)化，以及在藥物開發(fā)過程中新標(biāo)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(jìn)行治療，主要是由於檢測差距所致。而人工智慧技術(shù)可能有助於檢測體內(nèi)組織中的癌前病變，提高癌癥檢測的靈敏度。進(jìn)而幫助放射科醫(yī)生加速對影像進(jìn)行視覺分析檢測到病變，甚至發(fā)現(xiàn)原本無法檢測到的微小病變組織。

根據(jù)在歐洲呼吸學(xué)會國際大會上發(fā)表的一項(xiàng)新研究，人工智慧有機(jī)會能夠比傳統(tǒng)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(tǒng)進(jìn)行訓(xùn)練，而這些人之前都接受過肺部放射檢查後發(fā)現(xiàn)病變。

完成對人工智慧系統(tǒng)訓(xùn)練後，研究人員利用3年的時間，利用人工智慧系統(tǒng)對1179名參加者的肺部影像進(jìn)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(dá)到97%[1]。

圖1 : ERS在國際大會上發(fā)表的研究結(jié)果。人工智慧有機(jī)會能夠比傳統(tǒng)的CT掃描提早一年檢測出肺癌。（source：European Respiratory Society）

由於許多因?yàn)槁殬I(yè)風(fēng)險而導(dǎo)致癌癥，有時在幾十年內(nèi)都沒有被發(fā)現(xiàn)。因此可以透過人工智慧系統(tǒng)為醫(yī)生提供客觀有效的資訊，減少診斷負(fù)擔(dān)以及漏診和誤診率。此外，考慮到某些惡性腫瘤相關(guān)的低存活率—例如，間皮瘤（Mesothelioma），這是一種因?yàn)楸┞对谑尴滤鸷币娗腋咧旅陌┌Y，5年的存活率為10%。而透過人工智慧，可以提早發(fā)現(xiàn)出間皮瘤，經(jīng)過適當(dāng)?shù)闹委焷硖岣叽婊盥省?/span>

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(lǐng)域進(jìn)行檢測和診斷的。現(xiàn)今這一領(lǐng)域的研究速度之快，似乎人工智慧在癌癥領(lǐng)域有著巨大的應(yīng)用潛力。

人工智慧預(yù)測癌癥的發(fā)展

人工智慧還可以幫助癌癥的預(yù)後。可以在發(fā)病前檢測出已經(jīng)存在腫瘤的高風(fēng)險群，這可讓臨床醫(yī)生能夠?qū)@些患者提供更適當(dāng)?shù)尼t(yī)療行為，並視情況需要立即進(jìn)行處理。除了癌癥檢測，人工智慧還可以預(yù)測惡性腫瘤的進(jìn)展和演變，這可能會幫助醫(yī)生為個別患者設(shè)計不同的治療方法。早期治療可以提高患者的生存機(jī)會，因?yàn)榘┌Y在有機(jī)會建立抗性免疫反應(yīng)之前就被消滅。

由愛丁堡大學(xué)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(shù)開發(fā)了一種能夠識別惡性細(xì)胞內(nèi)DNA突變模式的模式，可以利用這個模式來預(yù)測基因改變，同時還發(fā)現(xiàn)了某些反覆發(fā)作的癌癥突變序列，與存活率之間的依存關(guān)係性。此外，團(tuán)隊(duì)也設(shè)計了一種新技術(shù)，可在有類似情況的病患之間分享腫瘤資訊。透過辨識復(fù)發(fā)可能的模式，並將其與已知的腫瘤學(xué)資料整合起來，預(yù)測出腫瘤的未來生長位置。

進(jìn)行內(nèi)視鏡檢查時並未被發(fā)現(xiàn)息肉而病變大腸癌

根據(jù)衛(wèi)福部的統(tǒng)計，在臺灣，大腸癌發(fā)生、死亡人數(shù)，每年呈快速增加的趨勢，居所有癌癥發(fā)生率及死亡率的第2位及第3位[2]。

侵襲性癌細(xì)胞而其中大多是由癌前病變（息肉）發(fā)展而來（圖2），如腺瘤性息肉。而透過大腸內(nèi)視鏡的檢查，可以在早期發(fā)現(xiàn)癌前病變，並將其腫瘤摘除，有著相當(dāng)顯著降低癌病變的功效，但是但由於是用肉眼進(jìn)行檢查的，因此也存在著被疏忽的風(fēng)險。

圖2 : 形成惡性腫瘤前的細(xì)胞變異過程（source：NCI Division of Cancer Prvention）

儘管如此，有些息肉根據(jù)其大小、形狀和位置是不容易識別，而且醫(yī)生之間的診斷能力也存在很大差距。因此根據(jù)報導(dǎo)，大腸腺瘤性息肉的疏忽率高達(dá)24%[3]，因此有許多病例的病變，在進(jìn)行內(nèi)視鏡檢查時並未被發(fā)現(xiàn)息肉下，發(fā)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(shù)開發(fā)出了影像檢測系統(tǒng)，利用AI技術(shù)來檢測大腸息肉。這個軟體系統(tǒng)是透過內(nèi)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(xiàn)病變的位置（圖3）。

圖3 : 在檢查過程中，通過內(nèi)視鏡設(shè)備拍攝的影片自動檢測疑似病變。然後醫(yī)生擷取靜止影像（左），並很快顯示分析結(jié)果（右）。（source：日本NEC）

利用臉部辨識技術(shù)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(jī)場候機(jī)時，與內(nèi)視鏡醫(yī)師討論了利用影像進(jìn)行病理分析的可能性，而開啟了NEC投入臉部辨識AI技術(shù)應(yīng)用的研發(fā)計畫。其中有一段關(guān)鍵的對話，當(dāng)時NEC的員工表示，NEC的臉部辨識技術(shù)在世界上是最好的[4]。而內(nèi)視鏡醫(yī)師則表示，其實(shí)腫瘤也有特定的「面孔」，提出是否有可能利用臉部辨識技術(shù)，來檢測出惡性腫瘤的想法。

當(dāng)NEC這位員工回到日本後，立即請教了內(nèi)部專精於臉部辨識技術(shù)的研究員。雖然研究員對於是否真能利用臉部辨識技術(shù)來檢測惡性腫瘤產(chǎn)生疑慮，還是進(jìn)行了相關(guān)的影像研究，在病患數(shù)十張的照片當(dāng)中，利用臉部辨識技術(shù)來嘗試辨認(rèn)出是否存在惡性腫瘤。經(jīng)過實(shí)驗(yàn)以後，研究人員發(fā)現(xiàn)，如果必須在「有沒有癌癥」之間做出選擇，可能有50%的機(jī)會猜對。但當(dāng)真正嘗試透過特徵點(diǎn)進(jìn)行判斷時，會驚訝的發(fā)現(xiàn)有70%的答案是正確的。因此，NEC的相關(guān)研究部門就開始思考是否能將深度學(xué)習(xí)（Deep Learning）應(yīng)用於醫(yī)學(xué)，而帶來新的可能性。

當(dāng)再進(jìn)一步的嘗試?yán)媚槻勘孀R技術(shù)來辨識非人類臉部時，其難度卻出乎了預(yù)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(xiàn)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），因此很難對特徵進(jìn)行定義，而克服這個困難點(diǎn)可能是最大的技術(shù)問題。

由於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(jīng)轉(zhuǎn)變成惡性腫瘤？哪些還只是息肉或只是零期癌癥？對於這些問題，NEC尋求日本國家癌癥中心中央醫(yī)院的醫(yī)學(xué)專家協(xié)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(jī)構(gòu)（source：日本國家癌癥中心）

由於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(tuán)隊(duì)在獲得了5,000名患者的30萬張內(nèi)視鏡影像後，在資料庫中逐一地建立相關(guān)數(shù)據(jù)，而這些數(shù)據(jù)都會被用來進(jìn)行深度學(xué)習(xí)時的「正確答案」。

檢查中同時進(jìn)行分析是最大技術(shù)挑戰(zhàn)

「辨識出惡性腫瘤」並不是最大的技術(shù)門檻，而是要能夠在檢查中就能夠進(jìn)行分析。在病患進(jìn)行檢查時，將內(nèi)視鏡插入後，必須根據(jù)鏡頭的影像來確定是否存在息肉。如果發(fā)現(xiàn)息肉的話，就需要同時進(jìn)行切除等治療。為了實(shí)現(xiàn)這一目標(biāo)，加快影像分析的速度，來實(shí)現(xiàn)分析與檢查並行，就成了最大的研發(fā)挑戰(zhàn)。

深度學(xué)習(xí)模型對於高速分析來說結(jié)構(gòu)太龐大了，因此，NEC利用臉部識別研發(fā)中所積累的專業(yè)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(tuán)隊(duì)透過深度學(xué)習(xí)、獨(dú)特的高速處理算法，和影像處理單元 （GPU），開發(fā)了一臺具有人工智慧技術(shù)的PC，建立出可以在臨床檢查中，回傳分析結(jié)果的系統(tǒng)。

在解決高速分析的問題之後，另一個新的問題又伴隨而生，那就是「如何減少未發(fā)現(xiàn)和過度檢測」。「未發(fā)現(xiàn)」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(rèn)為存在疾病，而實(shí)際上並沒有。如果有太多的過度檢測，在內(nèi)視鏡插入大腸時，一分鐘內(nèi)會發(fā)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(fā)生率為百分之幾十，在經(jīng)過一些試驗(yàn)和錯誤而改善了機(jī)制之後，已經(jīng)成功地將其降低到了1%以下，同時，未被發(fā)現(xiàn)的病例數(shù)量也有所減少，最終實(shí)現(xiàn)了較高的發(fā)現(xiàn)率（圖5）。

圖5 : 利用人工智慧來進(jìn)行內(nèi)視鏡影像進(jìn)行大腸鏡檢查分析（source：日本國家癌癥中心中央醫(yī)院）

精準(zhǔn)治療中的AI應(yīng)用

「精準(zhǔn)醫(yī)療」通常被稱為個人化醫(yī)療，讓臨床醫(yī)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(jìn)行新型藥物的開發(fā)。新一代機(jī)器學(xué)習(xí)演算法可以整合非常龐雜的數(shù)據(jù)，也許能夠突出新療法的可能性，根據(jù)每個人獨(dú)特的基因規(guī)劃出治療的方法。相信在未來，AI能夠?qū)Π┌Y患者的治療過程產(chǎn)生實(shí)質(zhì)的影響性，尤其是在精準(zhǔn)醫(yī)療領(lǐng)域。

根據(jù)美國疾病管制與預(yù)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，隨著確診和死於癌癥的人數(shù)不斷攀升，可能很快就會成為整體死亡的主因。其實(shí)癌癥是一種慢性但可治癒的疾病，如果早期發(fā)現(xiàn)，整個醫(yī)療費(fèi)用並不會太高昂。

不論是空氣污染、輻射、化學(xué)品和殺蟲劑等，甚至暴露在職業(yè)性致癌物下，都有可能會增加罹患癌癥的風(fēng)險。隨著新致命疾病的出現(xiàn)，慢性疾病獲得醫(yī)療保健資源可能日益減少，如果透過AI這樣的新興技術(shù)，相信可以彌補(bǔ)短缺醫(yī)療資源。目前AI已在許多領(lǐng)域取得重大進(jìn)展，期待也能醫(yī)療保健領(lǐng)域，尤其是腫瘤醫(yī)學(xué)獲得更大的突破。

參考文獻(xiàn)

[1] https：//www.ersnet.org/news-and-features/news/artificial-intelligence-diagnose-lung-cancer-a-year-earlier/

[2] 臺灣衛(wèi)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. Colonoscopic miss rates of adenomas determined by back-to-back colonoscopies. Gastroenterology.1997 Jan;112（1）：24-8.

[4] NEC獲得五次被美國國家標(biāo)準(zhǔn)與技術(shù)研究所（NIST）評價為臉部識別技術(shù)準(zhǔn)確度第一。

*刊頭圖（source：www.imperial.ac.uk）