水滴筹的新模式(也许将来我们不再需要水滴筹)

这颗肿瘤很难在扫描图像中遁形,它有高尔夫球那么大,呈白色,醒目的位于脑干之上——脑干是在身体和大脑之间传递信息的器官。在很多方面,脑干都是主控器,它从脊髓顶部传导着我们的每一次心跳、每一次吞咽和每一次呼吸。

对这位年轻人来说,癌症是以一种戏剧性的方式被发现的。越长越大的肿瘤堵塞了脑部排出的液体,引发了严重的癫痫发作。现在,医生必须找到治疗他的最佳方法。

水滴筹的新模式(也许将来我们不再需要水滴筹)(1)

有了人工智能之后,标记肿瘤这种耗时的工作可以在几分钟内完成

拉吉·杰纳(Raj Jena)是剑桥大学阿登布鲁克医院的神经肿瘤学家,他拿出扫描图像,来解释医生如何为患者规划放射治疗。拿这位年轻人的病例来说,杰纳可能需要研究100多张图像,每张图像展示的都是一小片脑部。然后,杰纳必须仔细标记出肿瘤的边界,以及应该避开放射治疗射束的敏感脑区的轮廓,比如下丘脑、脑垂体,以及连接到脑部视觉中心的通路。这个过程可能需要耗费数小时。但只有完成这一步,计算机才能开始计算如何在不损及周围重要部位的前提下,用放射治疗射束轰击肿瘤。

水滴筹的新模式(也许将来我们不再需要水滴筹)(2)

拉吉·杰纳博士使用微软推出的InnerEye系统,自动标记前列腺癌患者的扫描图像

“我们必须先确定肿瘤的位置,并划出我们想保护的健康组织,之后,才能开始治疗。”杰纳说,“这就是瓶颈。这一步完成得越快,就能越快让患者开始接受治疗。”

有了人工智能(AI)的帮助,这项复杂的工作在几分钟内就可以完成。过去六个月里,杰纳使用微软推出的InnerEye系统,自动标记前列腺癌患者的扫描图像。在他所属部门每年治疗的2,500名癌症患者中,男性占到了三分之一。扫描完成后,图像经过匿名和加密处理,发送到InnerEye程序。该程序能标记出每张图像上的前列腺轮廓,创建一个3D模型,然后把信息反馈回来。就前列腺癌来说,整个器官都会被点亮。

InnerEye通过以往患者的大量图像进行训练,以此学习如何标记器官和肿瘤。这款程序已经为前列腺癌的治疗节省出了时间,脑部肿瘤将是下一个。

水滴筹的新模式(也许将来我们不再需要水滴筹)(3)

核磁共振成像扫描显示,这位年轻患者的脑部存在恶性肿瘤

让这个过程实现自动化,好处不仅仅在于节省时间。由于InnerEye训练时使用的图像是经过顶尖专家标记的,因此,它每一次标记的效果应该都不亚于顶尖医师。其结果就是,治疗不仅可以更快,而且也更加准确。“我们知道,标记轮廓的准确程度,会影响到治疗质量。”杰纳说,“之所以疗效有好有坏,区别就在于轰击肿瘤的准确度,以及我们是否避开了健康组织。”

作为微软研究院InnerEye项目首席研究员,安东尼奥·克里米西(Antonio Criminisi)解释了自动化标记如何能够为更智能的放射治疗铺平道路。由于这个过程太耗时,且成本高昂,因此目前,在放射治疗开始前,肿瘤图像只会经过一次标记。如果它能变得又快又便宜,患者将能享有“自适应放射治疗”,即在每次治疗开始前,都接受扫描、图像标记和放射治疗规划。如此一来,放射治疗射束可以根据治疗当天肿瘤的大小和形状进行调整,而不是根据肿瘤初次接受扫描时的样子。“这可能是变革性的。”克里米西说,“它也许将带来一种新的癌症疗法,这种方法不仅更快,患者的负担也更小。”


“它也许将带来一种新的癌症疗法,这种方法不仅更快,患者的负担也更小。”——安东尼奥·克里米西


计算机工程师喜欢说,数据是人工智能的燃料。的确如此:一些实现人工智能的现代方法(尤其是机器学习)非常强大,因为它们可以在我们收集的海量数据中,发现有意义的模式。人人都会生病,如果说这件事还有一点点好处的话,那就是医疗系统由此掌握了大量与健康有关的数据,而这些数据可以供人工智能利用。

托尼·杨(Tony Young)是英国埃塞克斯大学绍森德分校医院的泌尿科医师,同时也是英格兰国民保健署(NHS England)负责创新事务的全国临床主管。他认为,人工智能可以在整个医疗服务体系中产生影响。他提到,一些公司正在利用人工智能,通过痣的照片来诊断皮肤癌,还有的通过视网膜扫描图像,来诊断眼部疾病,或者通过超声波心动图来诊断心脏病。另一些企业则利用人工智能,标记那些需要紧急护理的中风患者,并预测病房中的哪些患者可能有生命危险。“我认为这将掀起一场革命。”他说。

技术不会在一夜之间改变医疗体系。跟其他所有创新一样,人工智能系统必须经过测试、验证和审批。而且,有学习能力的系统往往需要仔细的解读。患者的血检结果也许揭示了危及生命的癌症的确切迹象,但如果这种癌症可以得到很好的治疗,人工智能系统有可能将患者评定为低风险等级。

有望推动人工智能在医疗系统中普及的,是这样一种可能性:某些情况下,这些创新不仅能救命,还能省钱。如果我们能对患者更快地筛选分类,更有效地进行检验,更快速准确地做出诊断,那么整个系统将变得更加精简。英国国家医疗服务体系(NHS)采用了一项名为HeartFlow的技术,它由斯坦福大学孵化。该技术利用冠心病疑似患者定期接受扫描的CT图像,借助人工智能,创建心脏以及周围血液流动情况的个性化3D模型。通过模型,医生可以看到,某些血栓如何阻断了血液流动,从而更好地制定治疗方案。测试中,超过半数接受HeartFlow分析的患者避免了侵入性血管造影——这是一种常见但成本高昂的手术,需要把染料注入心脏——从而将治疗成本降低了四分之一。“有人问我,我们如何用得起这些技术?我告诉他们,不去使用这些技术,才是我们无法承担的后果。”托尼·杨说。

水滴筹的新模式(也许将来我们不再需要水滴筹)(4)

一位患者接受核磁共振成像仪检测

对伦敦皇家自由医院的麻醉科医师维加尔·南迦利亚(Vishal Nangalia)来说,现在仍然是发展的早期阶段,但他的公司Life Engine.AI正在开发一种人工智能技术,可以基于血检结果和其他数据,来预测哪些患者在入院时最有可能死亡或出现肾衰竭之类的严重问题。该程序利用20家医院的近10亿份血检结果进行了训练,它可以发现红细胞、白细胞以及钠和钾等电解质发生的细微改变,而这些改变其实意味着患者的情况正在恶化。程序本身并不会告诉医生应该怎么做,而是标记出那些有可能从检测、扫描或专家诊断中受益的患者,从而帮助医生更快地进行干预。“机器学习的作用在于,帮助找出问题,并引起医生的注意。”南迦利亚说。

人工智能会取代医生吗,还是会削弱医生的作用?神经肿瘤学家杰纳摇了摇头。“我宁愿花时间思考如何改进患者的治疗方案,而不是点击鼠标去做标记。”他说,“对很多肿瘤科医生来说,我们要在周末和夜里加班。有了这个之后,我们就可以解放出来,去做真正能够发挥专长的事情。”

翻译:何无鱼

校对:李莉

编辑:漫倩

来源:The Guardian

造就:剧院式演讲,发现创造力

更多精彩内容,敬请点击蓝字“了解更多”。

,

免责声明:本文仅代表文章作者的个人观点,与本站无关。其原创性、真实性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容文字的真实性、完整性和原创性本站不作任何保证或承诺,请读者仅作参考,并自行核实相关内容。文章投诉邮箱:anhduc.ph@yahoo.com

    分享
    投诉
    首页