對抗肺癌，人工智慧能做什麼？

在我國，肺癌的發病人數和死亡人數居癌症之首。每年，肺癌發病人數約83萬，佔全國癌症發病人數的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，規範治療。」四川大學華西醫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，人工智慧一顯身手。華西醫院日前與依圖科技宣布，合作研發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，並通過人工智慧技術清洗、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託病種庫，綜合多學科臨床資訊進行綜合診斷，能實現結節篩查、肺癌全類型病灶診斷覆蓋等功能。作為人工智慧「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，其電腦視覺人工智慧技術目前主要應用在安防、金融以及醫療3大領域。

那麼，在對抗肺癌這件事上，人工智慧到底能做什麼？又要解決哪些難點？

人工智慧可以幫助醫生們看得更準。李為民告訴記者：「早期篩查肺癌，第一是要找到結節，人工智慧能夠明顯提高胸部CT檢查的準確性，比如對5毫米以下的結節，檢出率能達到98%以上。」依圖醫療總裁倪浩表示，這部分技術已相當成熟，「與人類醫生團隊4.3%的漏檢率相比，人工智慧的漏檢率僅為0.7%」。不過，有結節不見得就是癌症，還要能夠識別它的性質。在判斷結節性質上，重點是追蹤病灶的變化。「它去年多大，3個月前多大，但這個判斷並不容易。目前的做法是先建立肺的3D模型，然後利用深度學習技術分段，以此確定病灶的位置，最後計算它的體積，並且判斷徵象及其變化。」倪浩說。

與之相比，人工智慧也在形成新的智慧。在傳統臨床科研過程中，通常是醫生首先懷疑某些因素可能與某問題有關，然後再通過臨床實驗或者病人病歷獲得數據支撐。而人工智慧通過彙集和整合海量病人資訊，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，也可以通過人工智慧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，人工智慧對於診斷的輔助是可複製的。我們也計劃從肺癌開始，嘗試將人工智慧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，人工智慧也要「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生手寫的病曆本一樣，人工智慧同樣要面對這一問題。「最大的難點是很多醫學數據結構隨意、差異大，醫生寫的病歷格式不同，描述方式不同。這就需要人工智慧的語義理解，也要參照國內外的肺癌醫學指南，針對肺癌的臨床要求，研究標準化欄位，擴大臨床資訊提取的範本。在影像數據方面，則更為複雜。我們通過人工智慧深度神經網路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。

其次是解決人工智慧的不透明問題。受深度學習的演算法影響，人工智慧雖能做出結論，人類卻很難了解它的決策理由。那麼，它如何才能得到醫生們的信賴？「我們在產品層面加入了一些可解釋的技術分析指標，用來給醫生提供證據，告訴他們為何如此判斷。比如，人工智慧會告訴醫生觀察到病灶出現了分葉征、空泡征等特徵，因此判斷它是惡性的。」倪浩告訴記者。

此外，人工智慧在應用場景的「落地」，始終要面對商業化問題。倪浩表示：「『癢點』是沒有商業化前景的，『痛點』才有商業化前景。隨著我國肺癌篩查的普及，篩查人數一定會有巨大增長，醫院人力難以承受，這就是『痛點』，必然會需要人工智慧的幫助。」

「對肺癌篩查和診療的介入，意味著人工智慧正在從科研走向臨床。」在中國衛生資訊與健康醫療大數據學會會長金小桃看來，人工智慧的參與還有助於打破醫療資源分布不均這一「瓶頸」：「大醫院人滿為患而基層醫療機構診療能力提升困難，以人工智慧技術為工具，打破資訊屏障，將大醫院的診療能力賦能基層，讓基層醫院醫生能夠更準確地進行診斷和治療，是解決我國醫療資源短缺的重要手段。」