大數(shù)據(jù)是精準醫(yī)學(xué)發(fā)展的重要依托,而大數(shù)據(jù)的應(yīng)用需要有效的分析手段將其轉(zhuǎn)化為規(guī)范可行的臨床信息。大量臨床與基礎(chǔ)研究,推動了乳腺癌等惡性腫瘤治療的進步,縮短了乳腺癌治療指南的更新周期,但同時臨床醫(yī)生面臨的學(xué)習(xí)壓力與挑戰(zhàn)越來越大。此時,人工智能應(yīng)運而生,試圖幫助人們處理日益增多且增速明顯的數(shù)據(jù)信息。本文從腫瘤醫(yī)生角度,探討目前醫(yī)學(xué)領(lǐng)域人工智能的發(fā)展現(xiàn)狀及應(yīng)用前景。
1、人工智能與人類(醫(yī)生)智能的差異
人工智能是一門綜合了計算機科學(xué)、生理學(xué)、哲學(xué)的交叉學(xué)科?!叭斯ぶ悄堋币辉~最初是在1956年美國計算機協(xié)會組織的達特莫斯學(xué)會上提出的。從那以后,研究者們發(fā)展了眾多理論和原理,人工智能的概念也隨之擴展。雖然本質(zhì)上,人工智能是對人類智能思維的模擬,但兩者在思維模式、創(chuàng)造能力及社會屬性等方面有著很大的不同。
1.1兩者的思維模式不同
臨床實踐中,醫(yī)生看病是生理和心理上的一個多層次的、錯綜復(fù)雜的過程,人工智能則按照預(yù)先設(shè)計的程序相對簡單快速地進行思維活動。醫(yī)生通過與病人的交流,結(jié)合自身的經(jīng)驗常識,歸納總結(jié)出合適的治療方案。而人工智能需要借助模式識別系統(tǒng)從自然語言中得到有效的信息,并從儲存的海量存儲中以它驚人的記憶力、敏捷的運算速度、精確的邏輯判斷能力,查詢到類似的數(shù)據(jù),給出最佳的方案。因此,準確的算法、精確的分析是人工智能的保證,而經(jīng)驗和學(xué)習(xí)能力則是醫(yī)生智慧的重要依托。
1.2兩者的社會屬性不同
醫(yī)生在臨床實踐中,面臨的不僅僅是疾病,更是患病的人,乃至整個家庭,因此在給出決策時,不單單需要考慮到疾病本身的特征,還要考慮病人的生活環(huán)境、經(jīng)濟條件、藥物可及性、醫(yī)保等社會因素。而人工智能則不需要接觸病人,而只是針對臨床病例資料,給出數(shù)據(jù)最佳的方案。因此某些情況下,一套成熟的人工智能系統(tǒng)給出的方案可能是最正確的,而一名經(jīng)驗豐富的醫(yī)生給出的方案卻可能是最適合病人的。
1.3兩者的創(chuàng)造能力不同
人工智能雖可以憑借巨大的“記憶”容量,自我學(xué)習(xí),但它不會自動地提出問題,而且它對任務(wù)的解決是機械的,只有在逐一查對了一切可能的途徑之后,最后才找到正確答案。而醫(yī)生具有高度的主動性、靈活性、隨機性。在面對復(fù)雜病例時,人工智能可能由于數(shù)據(jù)參考量少而無法給出方案,但經(jīng)驗豐富的醫(yī)生仍可以結(jié)合病人目前及既往情況,給出個體化的治療方案。
2、醫(yī)學(xué)領(lǐng)域人工智能發(fā)展現(xiàn)狀與未來
2.1智能影像助力腫瘤診斷與治療評價
目前,臨床上對腫瘤療效評價只是測量腫塊的大小或體積等主觀、半定量的信息來評估腫瘤的變化,但智能影像是在醫(yī)學(xué)影像的基礎(chǔ)上,融人了人工智能,通過深度學(xué)習(xí),完成對影像的分類、目標檢測、圖像分割和檢索工作,可以深度挖掘大量數(shù)字化信息,早期從腫瘤的內(nèi)部活性、特定的紋理參數(shù)來判斷腫瘤的生物學(xué)行為,來協(xié)助醫(yī)生完成疾病的診斷和治療。計算機輔助診斷(computer—aided diagnosis and detection,CAD)是智能影像的最初模式,應(yīng)用最多的疾病即乳腺癌的相關(guān)診斷?;谌斯ぶ悄艿姆派浣M學(xué)(Radiomics)是隨著智能醫(yī)學(xué)影像的發(fā)展而逐漸興起的一個概念。
在乳腺癌領(lǐng)域中,智能影像已經(jīng)在病變診斷、療效評價甚至預(yù)測分子分型中取得了一定的研究成果。BICKELHAUPT等構(gòu)建的三種機器學(xué)習(xí)分類器在診斷良惡性病變方面,僅次于具有20年豐富經(jīng)驗的乳腺放射科醫(yī)生對平掃及增強掃描圖像的綜合判斷結(jié)果。此外,有研究顯示,臨床信息結(jié)合動態(tài)的增強3D影像信息可以作為生物標志物來鑒別乳腺癌的分子亞型,特別是對于三陰性乳腺癌的預(yù)測。在療效評價方面,COROLLER等用提取的智能影像的特征預(yù)測進展期非小細胞肺癌的療效,在127例病人行放化療后提取了15個放射組學(xué)特點來預(yù)測病理反應(yīng),結(jié)果發(fā)現(xiàn)智能影像的特點優(yōu)于傳統(tǒng)影像學(xué)特征(腫瘤的體積和直徑)。這些研究結(jié)果無疑讓我們看到了應(yīng)用人工智能輔助診斷能夠幫助醫(yī)生更加快捷和準確地對疾病做出診斷,提高診斷效率及準確度。
2.2智能病理提升腫瘤的定性和定量判斷水平
病理診斷是臨床醫(yī)生治療的基礎(chǔ),目前我國傳統(tǒng)病理面臨較大挑戰(zhàn)。①臨床需求要求病理醫(yī)生“準、快、高”,而腫瘤分類治療的發(fā)展,對基本病理學(xué)和分子病理診斷提出更高要求,病理診斷的規(guī)范化程度還不能滿足臨床需求。②人才匱乏,水平不齊,全國職業(yè)病理醫(yī)生不足萬人,人才缺口巨大,病理診斷的價格和價值沒有充分體現(xiàn),嚴重制約行業(yè)發(fā)展。③依賴經(jīng)驗,不易定量,腫瘤病理診斷主要還是依賴經(jīng)驗對HE切片進行形態(tài)學(xué)分析,主觀評估重復(fù)性差,切片質(zhì)量參差不齊。因此,智能病理的出現(xiàn)具有一定的客觀必要性。
目前,智能病理已用于乳腺癌等多種腫瘤中,應(yīng)用范圍集中于細胞學(xué)初篩、良惡性鑒別、形態(tài)定量分析、組織學(xué)分類等方面。
在良惡性診斷方面,ZADEHA等根據(jù)乳腺癌病人的年齡及乳腺腫塊形狀、邊緣、密度,以及乳腺影像報告數(shù)據(jù)系統(tǒng)(breast imaging reporting and data system,BI—RADS)評分,采用深度學(xué)習(xí)方法對822例乳腺癌病人進行了分析和驗證,驗證階段疾病的檢出率高達95%。ARAUJO等一103運用卷積神經(jīng)網(wǎng)絡(luò)對乳腺癌的組織圖像進行了分類,四分類(正常組織、良性疾病、原位癌以及侵襲癌)的準確度為77.8%,二分類(癌和非癌組織)的準確度為83.3%,腫瘤檢出的靈敏度為95.6%。HER2是乳腺癌主要的驅(qū)動基因之一,準確的HER2檢測是乳腺癌精準治療的前提,智能病理在HER2檢測方面也進行了初步的探索。VANDEN—BERGHE等對71例乳腺癌切除標本進行了自動HER2評分,結(jié)果顯示與病理醫(yī)師診斷結(jié)果的符合率約為83%,但有12例結(jié)果不一致,重新分析后修正了8例的診斷,分析原因是HER2染色異質(zhì)性造成醫(yī)師對HER2表達結(jié)果的判斷出現(xiàn)了偏差。
在分子病理方面,傳統(tǒng)的基因檢測方式無法滿足多基因檢測指導(dǎo)腫瘤精準治療的需求,而NGS等新技術(shù)的出現(xiàn)為腫瘤精準檢測、精確治療提供了新的機遇。研究顯示,有76%病人至少有一個可用藥的變異,每個腫瘤樣本平均有3.06個基因變異,可用藥變異基因為1.57個,如何將這些檢測結(jié)果轉(zhuǎn)化為臨床獲益成為當前研究的熱點。對于乳腺癌診療,已經(jīng)看到了精準分子病理檢測的應(yīng)用成果。21基因檢測可以評估HR陽性早期乳腺癌預(yù)后風險,判斷化療敏感性,而BRCA檢測等已被證實與遺傳性乳腺癌及鉑類、奧拉帕尼療效相關(guān)。因此,在海量的基因組學(xué)信息中,應(yīng)用人工智能分析技術(shù),已成為精準醫(yī)學(xué)不可或缺的發(fā)展要素。
智能病理的發(fā)展應(yīng)用不但能減輕病理醫(yī)師負擔,在一定程度上也可以彌補病理科醫(yī)生主觀分析的不足,提升病理的定性和定量判斷水平,提高病理診斷準確度,還能為病人提供個性化的治療意見和疾病預(yù)后判斷,推動精準病理的發(fā)展。
2.3智能決策豐富臨床實踐的決策模式
臨床實踐中,醫(yī)生的決策水平主要依賴于個人經(jīng)驗與學(xué)習(xí)能力。在醫(yī)學(xué)信息不斷發(fā)展的今天,臨床醫(yī)生面臨著很大的學(xué)習(xí)壓力。已有研究顯示,一名醫(yī)生如果想緊跟醫(yī)學(xué)進展,需要每個工作日學(xué)習(xí)29 h,而在這些學(xué)習(xí)數(shù)據(jù)中,有高達80%的為非結(jié)構(gòu)化數(shù)據(jù)。因此,經(jīng)驗不足限制了低年資醫(yī)生的決策水平,而學(xué)習(xí)時間不足成為高年資醫(yī)生面臨的主要問題,這都會影響臨床決策的規(guī)范性。智能決策系統(tǒng)的研發(fā)就是為了能夠結(jié)合人工智能的學(xué)習(xí)分析能力及專家的經(jīng)驗,從而得到更加準確的決策方案。
目前,智能決策系統(tǒng)中最成熟的為沃森腫瘤(WFO,Watson for oncology)系統(tǒng),Watson系統(tǒng)是IBM開發(fā)的認知計算系統(tǒng),具有理解、推理、學(xué)習(xí)、互動四項基本特征。Watson可以閱讀并理解大規(guī)模的結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù),可以搜尋大量數(shù)據(jù),并且可以認知內(nèi)容,詮釋醫(yī)學(xué)術(shù)語,并以頂級醫(yī)學(xué)專家和真實病例為樣本,持續(xù)地自我學(xué)習(xí)并改進。Wat—son用于分析和診斷的數(shù)據(jù)來源包括治療指南、電子病歷數(shù)據(jù)、醫(yī)生和護士的記錄、研究資料、臨床研究、期刊文獻和病人信息。這些非結(jié)構(gòu)化的數(shù)據(jù)量非常龐大,并且時刻變化,對于臨床經(jīng)驗缺乏的醫(yī)學(xué)生來說,記憶這些數(shù)據(jù)的難度非常大。對于Watson來說,它可以在幾秒鐘內(nèi)閱讀數(shù)百萬的文字,能夠收羅世界上最先進的醫(yī)療大數(shù)據(jù)信息,學(xué)習(xí)海量知識,并用人類語言回答問題,代替醫(yī)學(xué)生搜索各種可能的信息,輔助他們完成診斷,提升診療準確性。
至今,Watson已經(jīng)初步地顯示了其在腫瘤決策中的可行性。2016年8月中旬,日本東京大學(xué)利用Watson診斷一名60多歲女性患有一種罕見的白血病,并提供了個性化診療方案,僅用了10 min。而在幾個月前,該病人還曾被其他醫(yī)院誤診。隨后,有多項探索Watson與醫(yī)生決策符合率的研究開展。SOMASHEKHAR等[1胡發(fā)起的研究回顧了2014—2016年印度馬尼帕爾綜合癌癥中心通過多學(xué)科腫瘤委員會(MMDT)確診的638例乳腺癌病人,所有病例再次應(yīng)用WFO診斷和治療推薦處理。結(jié)果發(fā)現(xiàn)WFO和MMDT的一致率達93%,且腫瘤分期和年齡等因素對其有影響,而激素受體和HER2表達等并無明顯差異。
但我們需要看到,截止目前的研究均是僅僅比較了智能決策與醫(yī)生決策符合率,并沒有進一步探究智能決策與醫(yī)生決策“孰優(yōu)孰劣”,以及智能決策如何影響傳統(tǒng)臨床實踐。目前,一項多中心、大樣本臨床研究正在我國開展,該研究借助中國臨床腫瘤學(xué)會乳腺癌(CSCO BC)數(shù)據(jù)庫,試圖在探討智能決策與醫(yī)生決策符合率的同時,進一步探索智能決策系統(tǒng)的應(yīng)用對不同年資醫(yī)生的影響,以及對病人獲益可能帶來的影響,我們也期待該研究的結(jié)果可以為智能決策系統(tǒng)的應(yīng)用提供新的證據(jù)。
2.4人工智能完善醫(yī)學(xué)教育模式
通過人工智能的應(yīng)用,可以使年輕醫(yī)生迅速成長,資深醫(yī)生工作效率更高,疲憊醫(yī)生避免差錯。人工智能的應(yīng)用已經(jīng)解決或部分解決了很多教育領(lǐng)域的挑戰(zhàn)性問題,包括語言處理、推理、規(guī)劃和認知建模等。人工智能用數(shù)字化和充滿活力的方式為學(xué)生提供了更多參與的機會,而這些機會通常在過時的教科書或教室的固定環(huán)境中無法找到,特別是在我國當前研究生教育模式師生脫離現(xiàn)象嚴重的情況下,人工智能更是可能成為很好的連接“橋梁”。
在醫(yī)學(xué)教育領(lǐng)域,WFO使用自然語言、假設(shè)生成和基于證據(jù)的學(xué)習(xí)能力為臨床決策支持系統(tǒng)提供幫助,供醫(yī)學(xué)專業(yè)人員和醫(yī)學(xué)生使用。Watson通過時間軸的形式展示整體治療計劃,通過顏色區(qū)分不同治療方案的推薦級別,提供包括結(jié)果統(tǒng)計信息和MSK審核推薦的出版物信息,直接鏈接到PubMed數(shù)據(jù)庫獲取摘要和部分原文,并提供兩種治療方案的對比及相應(yīng)的循證支持,根據(jù)病人的基本信息快速匹配相應(yīng)的循證證據(jù),可按照循證的質(zhì)量、日期及相關(guān)性排序,歸納和提取循證證據(jù)的信息及結(jié)果,幫助醫(yī)生提高閱讀效率。
DxR Clinician是專門針對教學(xué)型醫(yī)院、醫(yī)學(xué)類院校及住院醫(yī)師的網(wǎng)絡(luò)虛擬病人系統(tǒng),該系統(tǒng)被廣泛應(yīng)用于教育教學(xué)和醫(yī)學(xué)生臨床思維評估中。軟件采集了數(shù)百個真實的病人資料,并由專家及人工智能編寫為特定癥例,這些癥例涵蓋廣泛的臨床問題。醫(yī)學(xué)生通過對虛擬病人的問診、模擬查體和輔助檢查,做出擬診,進而診斷并設(shè)計治療方案。對于教師來說,DxR Clinician作為一套有用的分析工具,可以幫助教師了解學(xué)生的行為表現(xiàn)并調(diào)整課程;對于學(xué)生來說,可以快速培養(yǎng)臨床問題的解決能力。
總之,人工智能已成為當今發(fā)展的重要方向,國務(wù)院也已將人工智能列為發(fā)展重點規(guī)劃。在醫(yī)學(xué)領(lǐng)域,智能病理、智能影像發(fā)展迅速,提高了腫瘤的精準診斷與治療,而智能決策系統(tǒng)的研發(fā),更是幫助臨床醫(yī)生緊跟醫(yī)學(xué)進展,掌握循證醫(yī)學(xué)證據(jù),更加充分自如地應(yīng)對臨床問題。人機對話,合作共贏,人工智能時代正在向我們走來。
評論
查看更多