趙紫晨 張 衍

（四川大學(xué)華西醫(yī)院肺癌中心 成都 610041）

1 背景

近幾十年來，人工智能（artificial intelligence, AI）正成為推動人類各個領(lǐng)域經(jīng)濟(jì)及科技發(fā)展的決定性力量，充分認(rèn)識到人工智能技術(shù)及機(jī)器學(xué)習(xí)方法對引領(lǐng)各項領(lǐng)域的未來發(fā)展具有重要意義。人工智能廣義上包括機(jī)器學(xué)習(xí)和深度學(xué)習(xí)，其中，機(jī)器學(xué)習(xí)是人工智能的一個子領(lǐng)域，它利用算法檢測現(xiàn)有數(shù)據(jù)中的模式，然后訓(xùn)練對新數(shù)據(jù)進(jìn)行預(yù)測。機(jī)器學(xué)習(xí)是通過訓(xùn)練學(xué)習(xí)不同的預(yù)測模型，并據(jù)此估計人工神經(jīng)網(wǎng)絡(luò)模型的參數(shù)，然后通過測試/驗證階段在數(shù)據(jù)上測試所學(xué)模型的預(yù)測準(zhǔn)確性，以確定具有最低泛化誤差的模型[1]。而機(jī)器學(xué)習(xí)的最新進(jìn)展——深度學(xué)習(xí)，屬于機(jī)器學(xué)習(xí)的一個分支學(xué)科，其特點是多層次的人工神經(jīng)網(wǎng)絡(luò)的運作。除了可以完成上述所有機(jī)器學(xué)習(xí)的應(yīng)用，深度學(xué)習(xí)還具有更復(fù)雜的功能，可以提供處理龐大的數(shù)據(jù)集的決策能力，此外，最近深度學(xué)習(xí)算法的發(fā)展呈指數(shù)級上升，徹底改變了幾個視覺計算基本問題的性能[2]。

在醫(yī)療領(lǐng)域，人工智能已引入多個領(lǐng)域中進(jìn)行實踐應(yīng)用，包括藥物發(fā)現(xiàn)、遠(yuǎn)程病人監(jiān)測、診斷、風(fēng)險管理和醫(yī)院管理等。在腫瘤學(xué)領(lǐng)域中，人工智能與機(jī)器學(xué)習(xí)亦開始初步發(fā)展，并展現(xiàn)出巨大的應(yīng)用潛力，如在腫瘤的初步診斷、影像識別、免疫治療反應(yīng)預(yù)測、新輔助化療反應(yīng)預(yù)測、預(yù)后分析中均有人工智能結(jié)合臨床的相關(guān)研究[3-4]?，F(xiàn)代信息化發(fā)展為傳統(tǒng)教學(xué)模式帶來改革，人工智能及其衍生技術(shù)也已在腫瘤各領(lǐng)域成功應(yīng)用，為未來的腫瘤學(xué)信息化智能教學(xué)模式提供了廣闊的發(fā)展空間。人工智能在腫瘤學(xué)領(lǐng)域中的應(yīng)用可供更多的醫(yī)學(xué)生及青年醫(yī)生學(xué)習(xí)，更切實地結(jié)合理論知識與臨床實際，但AI在腫瘤學(xué)教學(xué)領(lǐng)域尚處于初步發(fā)展階段，尚需要更多的研究、教學(xué)實踐推動該領(lǐng)域的發(fā)展，AI的進(jìn)一步發(fā)展也將為醫(yī)學(xué)教育的發(fā)展提供更多機(jī)遇和發(fā)展空間。本文從人工智能在腫瘤病理學(xué)診斷、腫瘤影像學(xué)診斷、放射腫瘤學(xué)、腫瘤外科治療、腫瘤治療方案決策五個方面的應(yīng)用及其在未來腫瘤教學(xué)中的應(yīng)用前景進(jìn)行敘述。

2 AI與病理診斷

隨著計算能力的不斷進(jìn)步，深度學(xué)習(xí)與病理學(xué)分析的結(jié)合促進(jìn)了數(shù)字病理學(xué)的發(fā)展，利用AI實現(xiàn)了病理學(xué)圖像從檢測、分割、診斷到分析，將病理學(xué)圖像分析從定性分析轉(zhuǎn)化為定量分析，降低了病理學(xué)醫(yī)師由于主觀的技術(shù)差異導(dǎo)致的誤診率[5-6]。目前，人工智能已用于探索據(jù)病理圖像的細(xì)胞學(xué)初篩、定量分析、組織病理診斷和預(yù)后判斷等方面[6]。

病理診斷是腫瘤的金標(biāo)準(zhǔn)，對指導(dǎo)后續(xù)的治療方案和預(yù)后判斷有重要價值。由于傳統(tǒng)病理診斷面臨病理醫(yī)師水平高低、主觀判斷差異等影響，具有強大的特征提取能力的人工智能體現(xiàn)出潛在的優(yōu)勢，因此病理診斷和輔助診斷是人工智能在病理領(lǐng)域發(fā)展的熱點。通過對已有的腫瘤數(shù)字病理圖像進(jìn)行分析和建立卷積神經(jīng)網(wǎng)絡(luò)模型（Convolutional Neural Networks, CNN）等深度學(xué)習(xí)模型，可用于腫瘤的發(fā)現(xiàn)和輔助診斷腫瘤的良惡性[7-9]。病理診斷對腫瘤后續(xù)進(jìn)展的個體差異性也有一定價值，如腫瘤的類型、對治療反應(yīng)、臨床轉(zhuǎn)歸等,在病理診斷中引入人工智能可以將病理圖像中的某些特征可視化、量化，以便為后續(xù)臨床決策提供支持[10-13]。在AI與生物醫(yī)學(xué)的結(jié)合基礎(chǔ)上，可實現(xiàn)病理學(xué)與腫瘤學(xué)的多學(xué)科交叉融合，進(jìn)一步發(fā)展教學(xué)為以真實患者臨床資料為中心的學(xué)習(xí)模式。大量的真實病理學(xué)圖像資料鼓勵醫(yī)學(xué)生在課堂中就能參與到真實的臨床腫瘤診療中去，從而避免單純知識講授的教學(xué)模式。

3 AI與影像診斷

人工智能與影像診斷的結(jié)合所建立的模型是基于機(jī)器視覺的深度學(xué)習(xí)神經(jīng)元數(shù)學(xué)模型，這類模型是在大量的原始像素的基礎(chǔ)上提取出有意義的影響組學(xué)特征，從而學(xué)習(xí)模仿影像醫(yī)師來做出診斷，再在多次的反饋學(xué)習(xí)中不斷校正，用于電腦輔助檢測/診斷(computer-aided detection/diagnosis, CAD)，在臨床上已初步應(yīng)用于臨床診斷和篩查[14]。

在腫瘤的初步影像學(xué)診斷和良惡性鑒別中，人工智能輔助的診斷模型已經(jīng)在各系統(tǒng)的腫瘤中有所應(yīng)用，如肺癌、乳腺癌、皮膚癌等[15-18]。除了最多見的CT圖像和MRI圖像的輔助診斷模型，近年來也有一些建立在PET圖像和超聲圖像的基礎(chǔ)上的深度學(xué)習(xí)模型，拓寬了AI輔助影像學(xué)診斷模型的發(fā)展前景[19-20]。通過對既往已有臨床資料的分析，深度學(xué)習(xí)的方法如隨機(jī)森林（RF）可用于建立能夠預(yù)測治療效果及腫瘤預(yù)后的AI預(yù)測模型，對腫瘤的后續(xù)治療決策有一定指導(dǎo)意義[21-25]。通過AI強大的圖像識別、提取技術(shù)和不斷的反饋學(xué)習(xí)，部分CAD的診斷正確率已達(dá)到資深影像醫(yī)師的診斷水平，在未來有很大的發(fā)展前景。和AI與病理診斷的結(jié)合類似，人工智能與影像學(xué)的結(jié)合，除了可為腫瘤教學(xué)提供大量真實的臨床資料，還可加強各醫(yī)學(xué)院校之間的影像資料共享，讓更多基層醫(yī)學(xué)院校能夠獲取大型教學(xué)醫(yī)院/醫(yī)學(xué)院的疑難復(fù)雜病例的資料，進(jìn)而提高基層醫(yī)學(xué)院的教學(xué)質(zhì)量。

4 AI與放射腫瘤學(xué)

近年來，AI技術(shù)在惡性腫瘤放療領(lǐng)域中的應(yīng)用廣泛，除了放療靶區(qū)的勾畫，還建立了AI化的放療計劃制定模型以及遠(yuǎn)程智能化質(zhì)控系統(tǒng)，可滿足多層級醫(yī)院的現(xiàn)實需求，具有重要的現(xiàn)實應(yīng)用價值[26-28]。目前有較多應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)等深度學(xué)習(xí)方法建立的放療計劃制定模型，可以彌補一些由于放療醫(yī)師技術(shù)水平高低不齊導(dǎo)致的放療計劃良莠不齊的情況[29-31]。除了在臨床中的應(yīng)用外，放射腫瘤學(xué)專業(yè)的醫(yī)學(xué)生和年輕醫(yī)師也可利用此類AI化的放療計劃制定模型進(jìn)行學(xué)習(xí)和提高，這種教學(xué)模式有利于及時的反饋-提高，這是傳統(tǒng)教學(xué)手段難以達(dá)到的。

5 AI與腫瘤外科治療

AI在腫瘤的外科治療中，可應(yīng)用于術(shù)前評估、輔助手術(shù)、術(shù)后管理[32]。精準(zhǔn)的術(shù)前評估是腫瘤外科手術(shù)成功的關(guān)鍵之一，術(shù)前應(yīng)用深度學(xué)習(xí)和三維可視化技術(shù)等建立模型，對腫瘤的大小、位置、與周圍血管的位置關(guān)系、器官功能狀態(tài)等進(jìn)行精準(zhǔn)評估，都對腫瘤手術(shù)的精確開展能提供重要指導(dǎo)[33-34]。人工智能輔助外科手術(shù)已應(yīng)用于多個癌種，增強現(xiàn)實技術(shù)(augmented reality, AR)也已應(yīng)用于腫瘤外科手術(shù)中發(fā)揮起實時監(jiān)控和引導(dǎo)的作用[35-39]。人工智能在腫瘤的術(shù)后管理中也可用于建立模型預(yù)測一系列并發(fā)癥，以便于為早期干預(yù)提供依據(jù)[40-41]。目前人工智能在腫瘤的術(shù)前評估和術(shù)后管理預(yù)測方面應(yīng)用成果突出，也已初步應(yīng)用于術(shù)中輔助，其中人工智能在手術(shù)過程中的輔助指導(dǎo)已在醫(yī)學(xué)生的手術(shù)學(xué)習(xí)中有了初步應(yīng)用，虛擬現(xiàn)實技術(shù)(virtual reality, VR)、人工智能輔導(dǎo)、視頻審查反饋等多技術(shù)的結(jié)合對醫(yī)學(xué)生腫瘤外科手術(shù)的學(xué)習(xí)有著傳統(tǒng)教學(xué)無法比擬的優(yōu)勢[42-43]。

6 AI與腫瘤治療方案決策

精準(zhǔn)治療是現(xiàn)代腫瘤治療的目標(biāo)與發(fā)展方向，而腫瘤的精準(zhǔn)醫(yī)學(xué)基于大量智能化的信息分析基礎(chǔ)之上，而這也恰好是人工智能的優(yōu)勢所在?；诖罅酷t(yī)學(xué)期刊、醫(yī)療書籍及文獻(xiàn)實例研究分析，已有腫瘤AI軟件(Watson for Oncology, WFO)開發(fā)用于協(xié)助醫(yī)師快速而準(zhǔn)確地判斷病情及指導(dǎo)治療決策，已應(yīng)用于乳腺癌、肺癌、胃癌、甲狀腺癌等多個癌種且與專家委員組提出的方案表現(xiàn)出較為良好的一致率[44-49]。雖然WFO受腫瘤分期、患者人種差異、患者年齡增長等多因素的影響，在各個區(qū)域進(jìn)行實際應(yīng)用時，治療決策的一致率還有待進(jìn)一步的學(xué)習(xí)提高，但是對于資源欠缺的偏遠(yuǎn)地區(qū)，WFO具有不可否認(rèn)的現(xiàn)實應(yīng)用價值。另外，基于腫瘤治療前的影像、數(shù)字病理學(xué)、基因組等資料，機(jī)器學(xué)習(xí)的模型還可建立用于預(yù)測腫瘤的治療反應(yīng)，可輔助腫瘤醫(yī)師進(jìn)行治療方案的決策[50-51]。除了在臨床診療中的應(yīng)用，這類AI軟件一旦應(yīng)用于腫瘤教學(xué)，可真實還原臨床診療經(jīng)過，建立虛擬化的情景化的新穎教學(xué)模式，建立起從書本知識到臨床實踐之間的過渡橋梁。上述人工智能在腫瘤教學(xué)中的應(yīng)用前景見圖1所示。

圖1 人工智能在腫瘤學(xué)教學(xué)中應(yīng)用的前景分析示意圖

7 小結(jié)

綜上所述，AI及其衍生的一系列計算機(jī)技術(shù)已初步應(yīng)用于腫瘤領(lǐng)域的各方面，大量的數(shù)據(jù)分析和不斷的反饋學(xué)習(xí)能力使得此類技術(shù)在腫瘤的病理診斷、影像診斷、外科治療、放療、治療決策等方面都表現(xiàn)出可觀的發(fā)展前景。同時，人工智能具備大量信息庫、遠(yuǎn)程共享、及時反饋等特點，使其可解決醫(yī)學(xué)腫瘤教育中資源分配不均、傳統(tǒng)教學(xué)反饋不及時、與臨床實際診療銜接不夠緊密等現(xiàn)實問題，可促進(jìn)傳統(tǒng)醫(yī)學(xué)教育模式的改革。但AI目前在醫(yī)學(xué)教育中的實際應(yīng)用還十分有限，仍需進(jìn)一步的研究和實踐來推進(jìn)。