發布日期：2019-04-04
近年來，AI逐步走進醫療領域，人工智能在“數字”層面不斷突破機器輔助診斷的敏感度和特異度，在多個場景里發揮它的價值。但是，不少產品離大規模臨床應用還有些距離，要獲得臨床醫生們的認可并不容易。對于醫學界大咖來說，AI的能力是否真正在臨床上體現價值才是關鍵點。
動脈網獲悉：2019年2月21日至24日，第27屆亞洲胸心血管外科年會（ASCVTS）在印度金奈召開，來自世界各地的胸心外科學者參加了這個代表亞洲胸心血管外科最高醫學水平的盛會，對胸心血管外科領域最新進展、臨床經驗和基礎研究等問題進行了深入的交流和探討。其中，人工智能在臨床診斷中的價值也成為重要議題之一，中山大學附屬腫瘤醫院胸外科張蘭軍教授團隊與“騰訊覓影”合作的前瞻性小樣本研究被大會所關注，并受邀此次大會發言，其研究結論也肯定了人工智能診斷系統在肺結節早期診斷中的價值。
提高肺癌早期診斷率成臨床首要命題
肺癌是全球最常見的惡性腫瘤，發病率及死亡率均位于惡性腫瘤的第一位，成為公認的危害人類健康的殺手。肺癌的預后與臨床分期密切相關，由于癥狀及體征出現較晚，大部分的患者在首次就診時即已出現轉移，因錯失了最佳手術時間而致5年生存率僅有16%，而Ⅰ期患者的5年生存率可達到70-90%以上。若能在發病早期發現，便可有效改善肺癌患者的預后。
因此，建立合理有效的篩查方案，對高危人群進行簡單而有效的篩查是臨床工作的重點。臨床工作人員也不斷在更新、更敏感的影像技術中尋找適合于肺癌篩查的手段。
2002 年 8 月美國肺癌篩查試驗組（NLST）牽頭啟動了一項對比低劑量螺旋CT（LDCT）和普通胸部X 線攝片進行肺癌篩查的隨機對照臨床試驗，這是迄今為止全球最權威，證據等級最高的肺癌篩查研究。該前瞻性研究證實，運用低劑量螺旋CT 進行肺癌篩查可提高2倍的I期肺癌診斷率，且可使肺癌相關死亡率下降 20%；因此，基于上述結果，該篩查方法已被多個國際權威指南和專家共識推薦用于肺癌早篩。
但NLST 研究也同樣發現，通過低劑量螺旋CT 的臨床篩查實踐而發現肺結節的患者中，僅0.6-2.7%的患者最終被確診為肺癌。這也意味著，在 CT 篩查早期發現肺結節已切實可行的情況下，如何能夠提高肺結節中肺癌的早期診斷率，是現今臨床醫生面臨的首要命題。
在傳統的肺結節早期診斷方法中，單純的影像學資料需要患者長期放射性隨訪以觀察其影像學上的形態變化，導致潛在輻射性損害；侵入性診斷操作，甚至直接的手術治療，不僅給患者造成身體、心理上的損害，同時也加重了我國醫療支出的負擔和不必要的浪費。然而，新穎的液體活檢和人工智能診斷領域的迅速發展，為肺結節早期診斷帶來了革命性的曙光。
“生物學標志物+AI”診斷模式是關鍵
中山大學附屬腫瘤醫院中心作為全國規模最大、學術力量最雄厚的集醫療、教學、科研、預防于一體的腫瘤學基地之一，學科地位、綜合實力居全國領先水平，其也在不斷探索更加合理有效的肺癌篩查方案。早在2017年，中山大學附屬腫瘤醫院就開始與騰訊合作試驗, 借助騰訊的前沿技術把AI醫學影像產品“騰訊覓影”應用到肺癌篩查過程中。
據了解，騰訊覓影已實現了利用AI醫學影像分析輔助醫生篩查食管癌、肺結節、糖尿病視網膜病變、結直腸腫瘤、乳腺癌等疾病，以及利用AI輔診引擎輔助醫生對700多種疾病風險進行識別和預測。在肺結節的識別上，騰訊覓影能運用計算機視覺和深度學習技術，通過人工智能醫學圖像分析能力輔助醫生閱片，能精確定位3mm以上的微小肺結節，對其良惡性判別敏感度達到85%，特異度高達90%。
師從張蘭軍教授的余向洋博士在大會中圍繞人工智能輔助醫生診斷進行了研究分享。其前瞻性入組100例低劑量螺旋CT檢查發現肺結節患者的影像資料，且經 Fleischner協會《肺部 CT 偶發結節的管理》（2017 年版）評估患者的肺結節需要活檢或者手術。隨后，上述所有患者的影像資料由胸部影像?？浦魅吾t師單獨閱片，另同時導入騰訊覓影系統進行智能診斷；最后，所有患者的肺結節均接受手術切除，從而擁有明確的石蠟病理學診斷。在最終的結果對比中，騰訊覓影獨立對于肺結節的診斷準確率為79%，較胸部影像?？浦魅吾t師的人工診斷準確率有所提高。
張蘭軍教授舉了一個簡單易懂的例子：單純依靠照片，我們是很難準確辨別出變性人和正常女性。因為，變性人可通過磨骨手術而使得額骨、顴骨、喉結等與正常女性無異，從而使得照片上可以辨別的特征微乎其微；但是，如進行性染色體的檢測則使得辨別困難迎刃而解。同樣的道理，在單純的CT影像圖片上，均起源于終末細支氣管或肺泡壁局部的早期肺癌和良性肺結節，其能夠被AI所獲取并進行深度學習的特征性差異本身就非常有限；這就導致現階段利用多個AI輔助診斷系統進行研究，結果均表明雖然AI對肺結節良惡性診斷準確率較影像科專家有所提高，但在開放和不確定環境下存在不穩定性。
如何進一步輔助提高人工智能的診斷效能呢？現今的液體活檢技術可檢測出早期腫瘤釋放入血的微量生物學標志物，如microRNA，循環腫瘤DNA，循環腫瘤細胞等。張蘭軍教授認為，如將液體生物學標志物活檢和人工智能技術強強聯合，必定使的早期肺結節診斷準確率有質的提高。果不其然，在復合臨床特征（Clinic）、生物學標志物（Biomarkers）和人工智能結果（AI）的ABC模型中，曲線下面積值（評價診斷工具效能的統計方法，其值越接近1，說明診斷效能越高）高達0.955。隨后的驗證組中，該ABC模型同樣顯示出較其他模型更高的曲線下面積值和敏感度，這意味著生物學標志物+AI的診斷模型能更加準確。
“所以我們認為，在生物醫學影像（Biomedical imaging）技術尚未成熟的今天，構建一個多模態的“生物學標志物+AI”數學模型，是現階段人工智能用于臨床肺結節診斷的理想模式”，余向洋博士曾在第三屆華夏醫學胸外科論壇中表示，現在人工智能診斷和運用大多數是由基礎醫學院、工程學院來主導轉化，導致脫離臨床實際需求和后續優化建議，亟需臨床醫生牽頭開展的臨床轉化應用研究。
人工智能診斷技術必定有質的飛躍
張蘭軍教授在此次亞洲胸心血管外科年會上，與世界各地的胸心外科學者分享了專家團隊與騰訊覓影合作的前瞻性小樣本研究結論，并對人工智能診斷系統在肺結節早期診斷中的價值表示肯定，其結論指出：
人工智能是對傳統影像資料分類和管理的巨大變革，可快速、同時地處理數以萬計的圖片信息，必將大大節省高素質專業影像醫生的體力和腦力付出；基于最新深度卷積神經網絡算法的騰訊覓影，可在不同等級的醫院直接轉化機器深度學習或者使用，減少了不同醫院轉化機器深度學習所需要的樣本量；隨著生物影像技術的發展，人工智能診斷技術必定還會發生質的飛躍。
亞洲胸心血管外科學會成立于1993年，是亞洲最大的心血管和胸外科專業學術團體，其與美國胸外科醫師學會和歐洲胸外科醫師學會齊名，共同組成世界三大胸外科學術盛會。而此次張蘭軍教授團隊受邀參會并作大會發言，也意味著此項關于人工智能診斷系統的前瞻性研究結論已獲得國際同行的認可，這不僅有助于促進學科發展和對外交流，也推進著人工智能新技術在臨床落地應用。
AI醫學是一個全新的“醫工結合”領域，在大數據、人工智能、云計算等技術驅動之下，“AI醫學助手”的能力成長讓醫學界充滿期待。醫療與科技的跨界融合也在不斷推動人工智能醫學影像的落地應用，將AI、應用場景、價值這三塊實現有效連接，最終服務于臨床，造福于百姓。
來源：動脈網
