人工智能診治癌癥的進(jìn)程

冬雪

盡管人們對(duì)人工智能有多種定義，但都認(rèn)同一個(gè)要素，讓機(jī)器勝任一些通常需要人類智能才能完成的復(fù)雜工作。人類的許多活動(dòng)，如演算數(shù)學(xué)題、猜謎語、討論、編制計(jì)劃和編寫計(jì)算機(jī)程序，甚至駕駛汽車、騎自行車和診治疾病等，都需要智能。如果機(jī)器能夠執(zhí)行這種任務(wù)，就可以認(rèn)為機(jī)器已具有某種性質(zhì)的人工智能。

人工智能診治癌癥的機(jī)理

利用人工智能診治疾病是人類一個(gè)雄心勃勃的計(jì)劃，而且，這一計(jì)劃早就有一些初步結(jié)果，例如2007年，美國國際商業(yè)機(jī)器公司（IBM）就推出了人工智能軟件——沃森醫(yī)生（Watson）。現(xiàn)在，人們特別希望利用人工智能去征服某些嚴(yán)重危害人們生命和健康的疾病，如癌癥，而且也已經(jīng)進(jìn)入實(shí)踐，并且有不小的收獲。

要讓人工智能診治癌癥，第一步需要人工智能有像人一樣的感知，即知道周圍的環(huán)境，尤其是生物體和人的機(jī)體環(huán)境，什么是正常的機(jī)體，什么是異常的機(jī)體，甚至是癌變的機(jī)體，尤其是只具有微小變化的機(jī)體，例如，只有幾個(gè)發(fā)生癌變細(xì)胞的乳腺或肺。

第二步是，人工智能不僅要感知正常和異常機(jī)體的不同，還要理解為何有這樣的不同，是癌變引起的不同，還是其他疾病引起的不同。最后第三步才是判斷和決策，即得出結(jié)論，在感知和正確理解的基礎(chǔ)上，向醫(yī)生提供對(duì)某個(gè)個(gè)體檢測的結(jié)果，是患癌還是沒有患癌，抑或是患了其他疾病。

要讓人工智能感知和理解人體環(huán)境和器官，就要讓其學(xué)習(xí)，包括利用大數(shù)據(jù)的機(jī)器學(xué)習(xí)（算法）和深度學(xué)習(xí)，這兩者有時(shí)是相互結(jié)合的，同時(shí)也是相互滲透的。大數(shù)據(jù)學(xué)習(xí)和處理是人工智能的強(qiáng)項(xiàng)，可以達(dá)到比人類能力強(qiáng)幾百倍幾千倍的快速數(shù)據(jù)運(yùn)算、分析和理解。而在癌癥診治的深度學(xué)習(xí)上，更需要人工智能像人一樣進(jìn)行學(xué)習(xí)，例如對(duì)通過物理和化學(xué)方式拍攝的人體各種部位，以及深淺度不同組織的圖像要有正確的感知和理解，如對(duì)X線圖像、磁共振成像和CT掃描圖像的感知、解讀，并得出結(jié)論，即診斷。

但是，人工智能的癌癥診治深度學(xué)習(xí)并不僅限于對(duì)癌癥和正常組織圖像的解讀，而是包括更多的深度學(xué)習(xí)的內(nèi)容，例如，對(duì)癌癥標(biāo)記物和特異分子的識(shí)別。

癌癥診治的人工智能學(xué)習(xí)內(nèi)容

2016年1月，美國總統(tǒng)奧巴馬宣布了“癌癥登月計(jì)劃”，由副總統(tǒng)拜登全面負(fù)責(zé)?！鞍┌Y登月計(jì)劃”的其中一個(gè)項(xiàng)目就是讓人工智能進(jìn)行機(jī)器學(xué)習(xí)（算法）和深度學(xué)習(xí)，以識(shí)別癌癥。為此，美國能源部與美國國家衛(wèi)生研究院下屬的國家癌癥研究所合作，提出了“高級(jí)癌癥計(jì)算解決方案的聯(lián)合設(shè)計(jì)任務(wù)”，這個(gè)項(xiàng)目就是致力于解決三個(gè)基于計(jì)算機(jī)學(xué)習(xí)的人工智能抗癌難題。

首先是從認(rèn)識(shí)癌癥的分子層面學(xué)習(xí)，要讓人工智能了解RAS/Raf通路的蛋白質(zhì)相互作用。RAS基因在20世紀(jì)60年代被發(fā)現(xiàn)是致癌基因，存在于30%的癌癥患者中。1982年，美國科學(xué)家溫伯格等人從膀胱癌細(xì)胞中克隆得到第一個(gè)人類癌基因，由于它和之前發(fā)現(xiàn)的鼠肉瘤病毒基因C-RAS高度同源，因此被命名為RAS基因。RAS基因編碼產(chǎn)生的蛋白定位于細(xì)胞膜內(nèi)側(cè)，為GTP/GDP結(jié)合蛋白（GDP為鳥嘌呤二核苷酸磷酸，GTP是鳥嘌呤三核苷酸磷酸），通過GTP與GDP的相互轉(zhuǎn)化來調(diào)節(jié)信號(hào)通路的傳遞。由于RAS蛋白的相對(duì)分子量是21千道爾頓（kDa），故又被稱為p21蛋白。

之后，人們又發(fā)現(xiàn)了RAS蛋白的直接效應(yīng)因子Raf-1蛋白激酶。Raf-1激酶對(duì)細(xì)胞增殖、細(xì)胞分化、細(xì)胞凋亡和細(xì)胞周期停滯有重要作用，利用這些作用可以知道癌癥的發(fā)生、發(fā)展，以及找到治療癌癥的藥物和方法。

“癌癥登月計(jì)劃”讓人工智能進(jìn)行的第二個(gè)學(xué)習(xí)任務(wù)是，進(jìn)行臨床前的藥物篩查。這是一種研發(fā)癌癥藥物的預(yù)測模型，在臨床試驗(yàn)前進(jìn)行最大化的藥物篩選，為癌癥病人提供精準(zhǔn)醫(yī)療方案。具體而言是對(duì)臨床前和臨床試驗(yàn)時(shí)的癌癥數(shù)據(jù)進(jìn)行篩選，結(jié)合小鼠模型中的新數(shù)據(jù)，通過反饋循環(huán)讓實(shí)驗(yàn)?zāi)Ｐ椭笇?dǎo)計(jì)算模型的設(shè)計(jì)，建立腫瘤藥物反應(yīng)的預(yù)測模型。其實(shí)，這也是基于特殊數(shù)據(jù)和大數(shù)據(jù)的學(xué)習(xí)和分析。

“癌癥登月計(jì)劃”讓人工智能進(jìn)行的第三個(gè)學(xué)習(xí)任務(wù)是，學(xué)習(xí)和建立人口模型。這就要求人工智能根據(jù)不同人群的生活方式、生活環(huán)境、所患癌癥的種類、不同的醫(yī)療體系等，從數(shù)百萬癌癥病人的病歷數(shù)據(jù)中自動(dòng)分析，從而獲取最佳治療策略。當(dāng)然，海量病人的數(shù)據(jù)來自美國國家衛(wèi)生研究院、美國食品和藥物管理局、制藥公司和第三方付款機(jī)構(gòu)。

可以看到，美國的“癌癥登月計(jì)劃”中的人工智能學(xué)習(xí)并不包含腫瘤圖像的識(shí)別，所以人工智能診治癌癥的學(xué)習(xí)在不同的國家有不同的內(nèi)容。

人工智能幫助診治癌癥

人工智能對(duì)癌癥的識(shí)別和診斷首先體現(xiàn)于對(duì)癌癥數(shù)據(jù)的解讀上，其中最重要的是對(duì)癌癥基因和基因組的識(shí)別和解讀。

機(jī)器學(xué)習(xí)（算法）是人工智能的一個(gè)基本內(nèi)容，其中，數(shù)據(jù)的輸入、輸出、賦值等運(yùn)算可以讓人工智能對(duì)某一問題進(jìn)行計(jì)算分析，從而得出初步結(jié)果。對(duì)癌癥的診斷和治療也可以利用這一點(diǎn)。加拿大西方大學(xué)的羅根等人研發(fā)了一套算法，通過對(duì)基因數(shù)據(jù)的分析得出最可能的有效治療癌癥的方案，并且讓該治療方案變得更加個(gè)性化。

研究人員使用了一套含有40個(gè)基因的數(shù)據(jù)，這些基因可以在90%的乳腺癌中找到。在接受試驗(yàn)的近350名癌癥病人當(dāng)中，至少都會(huì)接受紫杉醇或吉西他濱一種化療藥物治療。之后，研究人員讓人工智能對(duì)數(shù)據(jù)展開處理并找出藥物與病人基因之間存在的關(guān)系。結(jié)果顯示，同時(shí)接受兩種藥物的治療有效率為84%，只接受紫杉醇的治療有效率為82%，只接受吉西他濱的治療有效率則在62%～71%之間。

這就為醫(yī)生提供了選擇更好或最佳治療方案的決策基礎(chǔ)，例如，在上述方案中，醫(yī)生選擇對(duì)病人同時(shí)使用紫杉醇和吉西他濱，可以達(dá)到最高的84%的治療有效率。

2016年，日本研究人員稱，他們開發(fā)的人工智能軟件能夠準(zhǔn)確診斷出女性患者所患的罕見類型的白血病，而且，這種軟件對(duì)腫瘤大數(shù)據(jù)的提取和分析是其優(yōu)勢之一，它僅需要花費(fèi)10分鐘時(shí)間就能夠?qū)εR床腫瘤研究所提供的來自2000萬名女性的遺傳信息進(jìn)行對(duì)比分析，從而做出診斷。

但是，最早開發(fā)應(yīng)用于醫(yī)療領(lǐng)域的人工智能的美國國際商業(yè)機(jī)器公司更是走在了前面。

沃森癌癥醫(yī)生

美國國際商業(yè)機(jī)器公司之前推出的人工智能軟件——沃森醫(yī)生診治疾病是建立在對(duì)大數(shù)據(jù)的檢索、使用和算法之上。沃森醫(yī)生儲(chǔ)存了數(shù)百萬的文檔資料，包括字典、百科全書、新聞、文學(xué)以及其他可以建立知識(shí)庫的參考材料。沃森的硬件配置可以使它每秒處理500GB的數(shù)據(jù)，相當(dāng)于1秒閱讀100萬本書。

沃森在面臨一位就診者的時(shí)候，會(huì)進(jìn)行一系列的算法，包括語法語義分析、對(duì)各個(gè)知識(shí)庫進(jìn)行搜索、提取備選答案、對(duì)備選答案證據(jù)搜尋、對(duì)證據(jù)強(qiáng)度的計(jì)算和綜合等。此外，沃森醫(yī)生還可以通過詢問病人的癥狀、病史，迅速給出診斷提示和治療意見。通過這些程序進(jìn)行診斷，沃森的診斷準(zhǔn)確率達(dá)到73%。

現(xiàn)在經(jīng)過多年的改進(jìn)，研究人員把沃森醫(yī)生的突破之一選擇為對(duì)癌癥的識(shí)別和診斷。最近，美國國際商業(yè)機(jī)器公司和美國著名的基因公司Illumina進(jìn)行合作，在沃森醫(yī)生的基礎(chǔ)上，專門進(jìn)行癌癥基因組的標(biāo)準(zhǔn)化測序和解讀，以診斷癌癥。根據(jù)這個(gè)目標(biāo)，美國國際商業(yè)機(jī)器公司研發(fā)了一個(gè)新的專門對(duì)基因組進(jìn)行測序和分析的軟件，即沃森基因組（相當(dāng)于專門診治腫瘤的專科醫(yī)生），并將這個(gè)軟件整合到Illumina公司的Base Space和腫瘤測序計(jì)劃中，這就可以讓沃森基因組使用Illumina公司的實(shí)體腫瘤分析面板TruSight Tumor 170。TruSight Tumor 170匯集了一套整合DNA與RNA的靶向癌癥相關(guān)的基因突變，包括突變與微缺失、基因擴(kuò)增、基因融合以及剪接變異，使得腫瘤譜分析從一系列單基因檢測向多基因檢測轉(zhuǎn)變，為腫瘤基因組提供了更加全面的視圖。教會(huì)機(jī)器識(shí)別這些腫瘤基因數(shù)據(jù)，可以快速辨識(shí)和診斷腫瘤。

新的智能軟件融合后，沃森基因組可以在短短的幾分鐘之內(nèi)讀取TruSight Tumor 170生成的遺傳信息文件，梳理專業(yè)指南、醫(yī)學(xué)文獻(xiàn)、臨床試驗(yàn)匯編和其他知識(shí)來源。然后，系統(tǒng)將生成包含每個(gè)基因組改變的注釋報(bào)告。使用沃森基因組可以大幅減少解釋結(jié)果所花費(fèi)的時(shí)間。比較起來，研究人員也可以使用TruSight Tumor 170進(jìn)行癌癥基因的檢測，但是，速度很慢。沃森基因組在幾分鐘內(nèi)做的事情，研究人員一般需要一個(gè)多星期才能做完。

不僅在速度上沃森基因組可以比人類快得多，而且在檢測的準(zhǔn)確性以及提供治療癌癥的方式上，沃森基因組與臨床大夫和腫瘤專家提供的方案基本一致。美國北卡羅來納大學(xué)教堂山分校的夏普尼斯博士研究了1000余名癌癥患者的數(shù)據(jù)，發(fā)現(xiàn)在99%的病例中，沃森基因組提出的治療建議與分子腫瘤專家團(tuán)隊(duì)提出的治療建議相同。此外，美國國際商業(yè)機(jī)器公司旗下的沃森健康的副總裁哈韋還指出，在30%的腫瘤病例中，沃森基因組還發(fā)現(xiàn)癌癥專家遺漏的一些細(xì)節(jié)。

基于這些結(jié)果，研究人員認(rèn)為，教會(huì)人工智能診治腫瘤大有可為?，F(xiàn)在，美國20個(gè)專注于基因組學(xué)和腫瘤學(xué)領(lǐng)域的癌癥研究所，包括紀(jì)念斯隆·凱特林癌癥中心和北卡羅來納大學(xué)教堂山分校的腫瘤研究機(jī)構(gòu)正在進(jìn)一步培訓(xùn)沃森基因組，以便讓沃森基因組能更快和更好地診治癌癥。

對(duì)癌癥圖像的智能解讀

診斷癌癥不僅要靠解讀癌癥特有的基因、分子標(biāo)記物等，還要認(rèn)識(shí)和判斷采用各種物理和化學(xué)方式拍攝的人體腫瘤的圖像，這既是人工智能深度學(xué)習(xí)的內(nèi)容，又是人工智能幫助人類診治癌癥的一個(gè)重要途徑，在這個(gè)方面，人工智能也取得了一些進(jìn)展。

2016年8月，美國休斯頓衛(wèi)理公會(huì)醫(yī)院的研究人員在《癌癥》雜志上發(fā)表文章稱，他們研發(fā)的一款人工智能軟件在解析乳腺X線圖片時(shí)比普通醫(yī)生快30倍，診斷乳腺癌的準(zhǔn)確率更是高達(dá)99%。這個(gè)癌癥診斷軟件可以直觀地將X光圖片的信息轉(zhuǎn)譯成診斷信息，方便醫(yī)生快速對(duì)病人病情做出判斷，避免耽誤病情。

即便是腫瘤科的?？漆t(yī)生，對(duì)諸如X線片、CT和核磁共振成像圖片的解讀都不會(huì)是百分之百的準(zhǔn)確，而且有很多誤讀。美國疾病預(yù)防控制中心（CDC）和癌癥協(xié)會(huì)的數(shù)據(jù)顯示，每年美國大約有1210萬人接受乳腺X線圖片檢測，其中差不多有一半人在X線圖片上會(huì)出現(xiàn)陽性結(jié)果，但實(shí)際上是假陽性。為此，又迫使大量女性為了求得安心而進(jìn)一步接受乳腺活組織檢查，進(jìn)行這一檢查的人每年有160萬人左右，其中20%的女性根本就沒病。這給許多女性和其家庭造成極大經(jīng)濟(jì)和精神負(fù)擔(dān)。

為了改變這種狀況，研究人員打算從人工智能著手來解決X線圖片識(shí)別癌癥的假陽性問題。衛(wèi)理公會(huì)醫(yī)院的研究人員設(shè)計(jì)的這個(gè)人工智能軟件能夠掃描病人的X線影像結(jié)果，能采集診斷特征，并將乳腺X線影像結(jié)果與乳腺癌亞型進(jìn)行關(guān)聯(lián)。此后，醫(yī)生可使用軟件的分析結(jié)果來精確預(yù)測每個(gè)病人是否有患乳腺癌的風(fēng)險(xiǎn)。

利用這個(gè)人工智能軟件研究人員解讀了500名乳腺癌病人的乳腺X線影像結(jié)果和病理組織切片報(bào)告，同時(shí)，研究人員還安排各種相關(guān)醫(yī)學(xué)數(shù)據(jù)企圖迷惑人工智能軟件。另一方面，讓兩名腫瘤科的權(quán)威醫(yī)生進(jìn)行同樣的看圖診斷。人工智能用幾個(gè)小時(shí)就完成診斷，但兩位乳腺癌專業(yè)的權(quán)威醫(yī)生卻花了50～70小時(shí)才完成對(duì)50位病人的診斷。

這套軟件能夠快速和準(zhǔn)確診斷乳腺癌的原因在于，它能在很短時(shí)間內(nèi)回顧幾百萬份記錄，通過解讀病人的乳腺X線影像結(jié)果幫助醫(yī)生診斷，效率更高。如此，也有望減少不必要的組織活檢。組織活檢不僅耗費(fèi)錢財(cái)，而且準(zhǔn)確率也不見得高。現(xiàn)在，乳腺癌組織活檢結(jié)果的正確率只有60%～80%，但在美國乳腺癌活檢設(shè)備的市場規(guī)模到2024年將達(dá)9.11億美元。美國每年浪費(fèi)在最簡單的非侵入性乳腺癌上的資金也高達(dá)3500萬美元。顯然，人工智能軟件可以幫助提高癌癥的正確診斷率并降低診療費(fèi)用。

【責(zé)任編輯】張?zhí)锟?