张田勘

癌症每年夺走全球超过800万人的生命。世界卫生组织2019年9月发布的报告称，全球1/5的男性和1/6的女性在一生中会患上癌症，1/8的男性和1/11的女性将死于癌症。

2020年新年伊始，一项人工智能（AI）在医疗领域应用的成果被视为人类未来可以战胜癌症的重要力量。英国《自然》杂志发表的一篇文章称，谷歌的AI系统已经实现通过筛查乳腺X线影像来发现哪些女性患有乳腺癌，并且误诊率可能比医生还低。

经过对英国25856例和美国3097例乳腺X线影像进行测试发现，该AI模型的检测结果要比人类放射科医生的诊断结果好，同时还可以识别出医生遗漏掉的患有乳腺疾病的X线影像。AI模型实现了较低的假阳性率，比医生低5.7%（美国）和1.2%（英国），假阴性率则比医生低9.4%（美国）和2.7%（英国）。如果考虑此前美国癌症协会发布的放射科医生在乳腺X线检查中忽略了大约20%的乳腺癌，这一AI模型检出乳腺癌的成功率显然比人类医生要高很多。

AI起源于何时，学界有一些争论，但是，很多人认为，可以从计算机科学和密码学的先驱艾伦·麦席森·图灵写于1950年的一篇论文《计算机器与智能》提出的图灵试验算起。也有人认为AI始于1912年，西班牙人莱昂纳多·托雷斯·奎韦多制造了世界上第一台象棋自动机。

不管AI起于何时，今天它已经开始在各个领域初露锋芒，甚而大显身手。但是，要说AI已经有显著成果或成为医疗上的常规应用，还为时过早。2020年1月8日，美国肿瘤学会发布了美国癌症发病情况年度报告《2020年癌症统计》，其中并未提到AI的贡献。

这份报告显示，1991年～2017年，美国癌症死亡率下降29%，其中2016年～2017年下降2.2%，创有记录以来美国癌症死亡率的最大年度降幅。美国癌症死亡率大幅下降的原因主要归结于4种常见癌症的死亡率长期下降：肺癌、结直肠癌、乳腺癌和前列腺癌。

报告的第一作者、亚特兰大美国癌症协会研究员丽贝卡·西格尔认为，肺癌死亡率下降有多方面原因。吸烟率的稳步下降是肺癌发病率和死亡率下降的首要原因。此外，肺癌创新疗法的迅速进展，如更精准的手术、放疗手段、更好的诊断成像技术和新一代抗癌疗法，让肺癌的死亡率下降速度进一步增快。

美国的报告也提出，美国1989年～2017年之间乳腺癌死亡率下降了40%，其中更好的诊断成像技术和新一代抗癌疗法起了重要作用。但这份报告并未提及AI在影像诊断方面的贡献。现在无论是谷歌的AI系统，还是与美国纪念斯隆·凯特琳癌症中心（MSK）联合的佩奇公司研发的Paige. AI，都还只是在试验阶段，并未广泛用于临床。

无论是中国，还是全球，更多的计算机、医学研发人员把医疗领域当作AI大显身手的领域。除了谷歌的AI外，Paige.AI也显露了不凡身手。这个AI系统在数年时间内，用4个国家里超过15000名癌症患者的45000张癌症病理影像进行训练，最终得到了优秀的诊断准确率。

AI可以在诊断、治疗等多个方面帮助人类医生。在诊断上，AI有更高的效率。例如，在国内，一家三甲医院平均每天可能接待200例左右的肺结节筛查患者，以便查出肺癌。每位患者在检查环节会产生200张～300张的CT片。因此，放射科医生每天至少需要阅读4万张片。在美国，统计表明，在某些医院的急诊室中，放射科医生每天甚至可能需要处理多达10万张片子。医生判读影像的任务繁重，而且耗费大量精力，稍有不慎就会导致误诊漏诊。

但是，如果这种判读影像的工作交由经过深度学习的AI来干，根据AI的速度一般是人工的30倍左右，则一套AI系统就可以替代图像的初步判读工作，人类医生只需检查那些存有疑问的图片。不过，在具体执行上，可能还需要临床制定一套有效和严格的流程。

至于效果，有大量研究表明，AI对其他癌症的诊断正确率也高于医生。2018年5月，德国海德堡大学皮肤科高级医师哈森尔博士（Holger haenssle）等人研发的一种AI——深度神经网络检测系统，对皮肤癌检测的准确率高于医生。

研究人员首先利用超过10万张图像对AI进行训练，要求AI通过一系列特征来区别黑色素瘤和大量良性病变的X线片图像。在训练过程中，告知AI每一份图像的正确诊断结果。此后，研究人员用这套AI与来自世界各地的58位皮肤科医生进行诊断竞赛。结果表明，皮肤科医生发现恶性黑色素瘤与非癌症病变的准确率分别为88.9%和75.7%，但AI在这两项诊断中的准确率则分别为95%与82.5%。

癌症早诊断和正确诊断的结果是，可以让患者的生存率提高40%左右。

AI介入癌症治疗并非只是在图像诊断上大有作为，还有可能对癌症的个性化治疗提出建议。美国克利夫兰诊所在2018年发表于《柳叶刀》的一篇论文中介绍，该中心的研究人员研发了一个AI软件来指导944名肺癌患者的治疗。AI系统通过学习，可以结合病人的CT和EHR（电子病历）向医生提出建议，比如对每个病人施行多少放疗剂量，从而让放疗做到个性化，尽量把副作用降到最低。而治疗的失败率降低到了5%以下。

AI参与癌症治疗决策的事例也越来越多。在2019年美国临床肿瘤医师协会（ASCO）年会上，研究人员宣读了数十个利用AI帮助治疗癌症的报告。其中一个是，研究人员利用一个沃森肿瘤学的软件，对印度的1000名乳腺癌、肺癌和结直肠癌患者进行治疗。通过诊断，AI提供一些治疗方案建议，然后由一个肿瘤多学科会诊小组根据AI的建议，改变了一部分病例的治疗决策，这部分大约占到13.6%。

而且，在55%的病例中，AI为新的治疗方案提供了最新的证據；在30%的病例中，AI的治疗方案更加个体化。

尽管AI在介入癌症防治上有这些优点，而且AI的发展也不只是应用于癌症治疗，而是可以应用到所有疾病的预防、筛选、诊断和治疗上，但是人工智能现在对于治疗癌症的作用也只是刚刚起步。

因为，即便在影像诊断上AI似乎胜人一筹，但是，癌症的诊断决非只是依靠影像诊断，还有其他重要诊断手段，如芯片检测、基因检测、病理检测、磁共振成像、CT、B超等，甚至最基本和传统的血液、大小便常规检查都可以检验出癌症的蛛丝马迹。

另外，尽管AI可用于癌症诊断，标准的大数据的获得也比较困难，而只有标准化的数据和特征才能教会AI进行诊断。因为大部分深度学习技术都对数据质量有较高要求，对于没有这类数据基础的医疗和信息单位来说，标准数据将制约AI介入癌症和其他疾病。

Paige.AI之所以在诊断癌症方面有出色的表现，是因为获得了斯隆·凯特琳癌症中心（MSKCC）独家授权的400多万个包含病理学信息和电子病理的档案，Paige.AI才能接受大量标准化的癌症数据训练，获得较好的诊断结果。

不过，AI也并非全能。人体某些部位的黑色素瘤，很难通过图片展现，AI也难以识别“非典型”病变。而且，AI和机器也不可能完全取代人类医生，它只是一种辅助手段，最终还是要由医生结合其他方面的因素进行诊断和制订治疗方案。