AI在醫(yī)療的應(yīng)用以群企蜂擁而至的影像輔助診斷而為人熟知，但在影像之外，還有一條門檻更高的細(xì)分賽道，將產(chǎn)品切入醫(yī)療的核心——治療環(huán)節(jié)，這條賽道就是“AI+放療”。

       在腫瘤的輔助治療領(lǐng)域，人工智能可以幫助放療醫(yī)師提供更精確、更智能、更快速高效的個性化臨床放療方案，以提高放療對癌癥的治愈率，減少放療對正常組織的損傷，最終延長癌癥病人的生命。

       在連心醫(yī)療2018CSTRO衛(wèi)星會上，動脈網(wǎng)記者與會議特邀嘉賓，美國AI+放療領(lǐng)域前沿學(xué)者，來自美國德州大學(xué)西南醫(yī)學(xué)中心的蔣彬教授進(jìn)行了對話，探究腫瘤放療領(lǐng)域面臨的現(xiàn)狀與痛點，以及AI在放療領(lǐng)域能解決的問題。

       德州大學(xué)西南醫(yī)學(xué)中心Barbara Crittenden講座教授，放射腫瘤系副主任，醫(yī)學(xué)物理與工程部主任。目前的主要科研方向人工智能在醫(yī)療中的應(yīng)用、基于云的自動放療計劃、以及在線自適應(yīng)放療。他帶領(lǐng)的西南醫(yī)學(xué)中心Medical Artificial Intelligence and Automation (MAIA) Lab研究團隊，是全美以“AI+放療”為研究方向的、規(guī)模的科研團隊。

       1998年到2000年在斯坦福大學(xué)攻讀博士后；2000年成為哈佛醫(yī)學(xué)院麻省總醫(yī)院助理教授；2007年加入加州大學(xué)圣地亞哥分校任終身教授，創(chuàng)立先進(jìn)放療技術(shù)中心，并于2011年成為終生正教授；2013年加入德州大學(xué)西南醫(yī)學(xué)中心，任Barbara Crittenden講座教授，放射腫瘤系副主任，醫(yī)學(xué)物理與工程部主任。

       在學(xué)術(shù)研究成果方面，蔣彬教授是英國物理學(xué)會和美國醫(yī)學(xué)物理師協(xié)會會士，多家國際期刊編委，發(fā)表170余篇論文（H因子67），培養(yǎng)了30多名博士后和10多名博士。

       蔣彬教授目前擔(dān)任連心醫(yī)療的科學(xué)顧問，為連心的AI+放療產(chǎn)品提供建議。同時，雙方共同致力于將科研成果轉(zhuǎn)化為臨床應(yīng)用。

       腫瘤放療痛點

       放療作為癌癥治療的三大手段之一，近年來由于精準(zhǔn)度高、適應(yīng)度廣、副作用小、創(chuàng)傷較少等優(yōu)勢逐漸受到重視。放射治療是一個復(fù)雜的過程，從患者定位、靶區(qū)勾畫、計劃制作到計劃實施，任何一個部分稍有疏漏，都將出現(xiàn)嚴(yán)重的后果。

       以目前大多數(shù)企業(yè)涉及的頭頸癌危及器官AI自動勾畫為例。每年有超過六十萬人被診斷患有頭頸部癌癥，其中許多人選擇接受放射治療。 但頭頸部重要器官比較集中，解剖關(guān)系復(fù)雜，如果在治療前未仔細(xì)隔離，放療時周圍組織可能會嚴(yán)重受損。

       在頭頸癌放療過程中，醫(yī)生根據(jù)患者 CT 圖像手動勾畫放療靶區(qū)和危及器官（Organ at Risk，OaR），目的是限度將放射劑量集中在靶區(qū)內(nèi)，而讓周圍正常組織或器官少受或免受不必要的傷害。然而，勾畫過程非常耗時，降低診療效率的同時，更是延誤了患者的治療時間。

       在連心醫(yī)療2018CSTRO衛(wèi)星會上，浙江省醫(yī)學(xué)會放射腫瘤學(xué)分會副主任委員、浙江大學(xué)附屬第一醫(yī)院放療科主任嚴(yán)森祥也曾提到：“放療行業(yè)中從事放射腫瘤學(xué)科的比例只有18%左右，但是放療科醫(yī)生需要比化療科醫(yī)生花費更多的時間來熟悉病人，學(xué)習(xí)周期就更長。”

       據(jù)了解，腫瘤醫(yī)生制定放療計劃時，靶區(qū)勾畫與治療方案設(shè)計往往要占用大量時間。每個腫瘤病人的CT圖像在200張左右，醫(yī)生在勾畫的時候，需要給每個圖片上的器官、腫瘤位置進(jìn)行標(biāo)注。

       這個過程按照傳統(tǒng)的方法要耗費醫(yī)生3-5個小時，找到腫瘤位置之后，醫(yī)生還需要根據(jù)腫瘤的大小、形狀等設(shè)計放射線的具體治療方案，這里面也包含了不同位置不同的放射劑量。

       人工智能在放療領(lǐng)域的應(yīng)用，可以解決現(xiàn)今的兩大痛點：放射腫瘤科醫(yī)生缺乏以及放療的技術(shù)難點導(dǎo)致的方案制定耗時過長。將簡單的事情交給人工智能而讓醫(yī)生承擔(dān)高精尖的任務(wù)，承擔(dān)更有挑戰(zhàn)的任務(wù)，對整個放療生態(tài)的發(fā)展非常有價值。

       如連心醫(yī)療在本次大會上發(fā)布的連心智能放療云3.0，就實現(xiàn)了54個器官的智能自動勾畫（不區(qū)分左右），覆蓋了全身主要部位。AI智能勾畫，可以使原本需要花費數(shù)小時的勾畫工作縮短到幾分鐘。

       MAIA Lab——全美“AI+放療”研究團隊

       蔣彬教授帶領(lǐng)的西南醫(yī)學(xué)中心Medical Artificial Intelligence and Automation (MAIA) Lab，聚集了一群致力于利用人工智能（AI）技術(shù)解決醫(yī)學(xué)問題的醫(yī)學(xué)物理師，該研究團隊是全美以“AI+放療”為研究方向的、規(guī)模的科研團隊，也是實力最強的團隊之一，擁有在醫(yī)學(xué)物理科研屆比較知名的中青年物理師如賈珣、王晶、顧薛君、盧衛(wèi)國等人。

       蔣彬教授在采訪中表示，我們團隊在全力探索人工智能（AI）技術(shù)的巨大能力和潛力及其對醫(yī)學(xué)領(lǐng)域的影響。MAIA Lab的目標(biāo)是讓智能醫(yī)療設(shè)備和AI技術(shù)為臨床醫(yī)生賦能，推動臨床知識的迭代效率，以最終改善治療結(jié)果并提高患者安全。人工智能之所以能夠解決醫(yī)療中的痛點，表現(xiàn)在于三方面：

       一是有比醫(yī)生做得好的地方。在醫(yī)療診斷的過程中，醫(yī)學(xué)圖像和其他醫(yī)療數(shù)據(jù)中會隱藏一些比較深的信號，醫(yī)生的肉眼無法辨別，而人工智能可以以高精度的方式辨別高緯度空間中隱藏的深層信息；

       二是不見得比醫(yī)生做得好，但是比醫(yī)生做得快。如在AI危及器官勾畫的過程中，可以把原本醫(yī)生需要數(shù)個小時才能完成的勾畫工作縮短到短短幾分鐘，并且在現(xiàn)有的技術(shù)下，已經(jīng)實現(xiàn)較高的準(zhǔn)確度。

       三是可能沒有資深醫(yī)生做得好，但是可以服務(wù)資源匱乏的基層醫(yī)療機構(gòu)。人工智能可以學(xué)習(xí)資深醫(yī)生、大醫(yī)院的經(jīng)驗，幫助年資低的醫(yī)生和基層醫(yī)療機構(gòu)的醫(yī)生提出準(zhǔn)確的診斷和治療方案。一個可能的應(yīng)用是臨床靶區(qū)的勾畫。

       “這次人工智能的浪潮，我認(rèn)為會真正改變世界。”蔣彬教授這樣對記者說。

       在斯坦福大學(xué)攻讀博士后與哈佛醫(yī)學(xué)院麻省總醫(yī)院期間，蔣彬教授的主要研究方向是蒙特卡洛劑量計算以及圖像引導(dǎo)和運動器官的管理。

       2009年在加州大學(xué)圣地亞哥分校任教期間，蔣教授成為第一批開始嘗試?yán)肎PU來加速計算，改進(jìn)放射治療的開拓者，并建立先進(jìn)放療技術(shù)中心，組建該領(lǐng)域最早且規(guī)模的團隊。隨后，在德州大學(xué)西南醫(yī)學(xué)中心任職期間，更是建立了全美的AI+放療團隊，延伸他們在GPU通用計算方面的傳統(tǒng)，用深度學(xué)習(xí)來改進(jìn)癌癥放療技術(shù)。

       在AI+醫(yī)療的應(yīng)用領(lǐng)域，蔣彬教授及其MAIA Lab的同事主要研究方面包括放療中的器官分割與靶區(qū)勾畫、人工智能自動治療計劃、治療效果與**預(yù)測、同行審查與醫(yī)療錯誤檢測、影像重建、復(fù)原與判讀以及可穿戴設(shè)備與智能診所。

       在研究成果與商業(yè)化應(yīng)用結(jié)合方面，蔣彬教授的團隊與國內(nèi)AI+放療領(lǐng)域的創(chuàng)新企業(yè)連心醫(yī)療合作獲得頂尖的AI算法，雙方發(fā)揮各自的資源和優(yōu)勢，共同推動將AI技術(shù)向產(chǎn)品轉(zhuǎn)化，提升腫瘤治療的效率和精確度。

       談到科研成果與商業(yè)化之間普遍存在的鴻溝，蔣彬教授表示，研究人員對產(chǎn)品開發(fā)不熟悉或者不愿意投入太多精力，商業(yè)公司對于最新科研成果不了解或者不信任，因此需要第三方來協(xié)同科研團隊與企業(yè)之間的合作，而校企共建聯(lián)合實驗室是一個很好的方式，如IBM與麻省理工學(xué)院的聯(lián)合實驗室，騰訊和美國加州大學(xué)合作的醫(yī)療AI 實驗室。

       AI+放療的下一步要攻克靶區(qū)勾畫和自動治療計劃

       放療在醫(yī)療里面是很特殊的專業(yè)。技術(shù)性非常強，并且在電子化、數(shù)據(jù)化方面是走在其他專業(yè)的前面，因此，蔣彬教授認(rèn)為，放療很適合人工智能介入解決問題。

       對于目前市場中的AI+放療企業(yè)來說，產(chǎn)品的差異體現(xiàn)在算法的不同上。如何在AI+放療的應(yīng)用領(lǐng)域發(fā)揮企業(yè)的差異化優(yōu)勢，蔣彬教授指出，需要在下一步應(yīng)用中，考慮靶區(qū)勾畫和人工智能自動治療計劃，這也是MAIA Lab現(xiàn)在的研究重點。

       臨床靶區(qū)（CTV）勾畫是放療控制腫瘤復(fù)發(fā)轉(zhuǎn)移的關(guān)鍵，也是靶區(qū)勾畫技術(shù)難度、最耗時的部分。如果CTV沒有畫好，治療不到位，引起腫瘤復(fù)發(fā)，患者就很難再治愈。“器官勾畫基本上只是省時間而已，而靶區(qū)勾畫不光是省時間，而是真的能夠提高治療的效果。”

       對于器官勾畫而言，圖像的基本信息足夠支撐AI來進(jìn)行規(guī)劃，而對于靶區(qū)勾畫而言，技術(shù)上的實現(xiàn)難度在于靶區(qū)勾畫更多的要依靠醫(yī)生對圖像的想象。在這個環(huán)節(jié)，醫(yī)生和醫(yī)生之間都很難有一個統(tǒng)一的標(biāo)準(zhǔn)，因此，人工智能也很難用標(biāo)準(zhǔn)的算法來呈現(xiàn)。

       蔣彬教授表示，醫(yī)生如何進(jìn)行勾畫，信息并不是在圖像里，而是在醫(yī)生的大腦里，所以人工智能該如何學(xué)習(xí)醫(yī)生的思維進(jìn)行靶區(qū)勾畫，是一件比較難的事情。“醫(yī)療在很大程度上是一門藝術(shù)，要依靠醫(yī)生的經(jīng)驗、直覺等很多因素。而在沒有‘金標(biāo)準(zhǔn)’的情況下，就只能向的藝術(shù)家學(xué)習(xí)，也就是向公認(rèn)的醫(yī)生學(xué)習(xí)。”

       也正因為此，在沒有“金標(biāo)準(zhǔn)”的地方，人工智能其實有很多發(fā)揮空間。比如西南大學(xué)醫(yī)學(xué)中心開發(fā)的深度學(xué)習(xí)的模型，可以告訴醫(yī)生智能勾畫結(jié)果可能的不確定性，那么醫(yī)生就可以針對于不確定性大的部位進(jìn)行檢查，從而節(jié)省大量時間，這一點很重要。”

       蔣彬教授所在的MAIA Lab的另一個研究方向——AI自動放療計劃方面，可以根據(jù)勾畫的器官和靶區(qū)直接預(yù)測三維劑量分布。此外，可以將醫(yī)生不同的治療考量加入到深度學(xué)習(xí)的模型中，以幫助醫(yī)生輸出更加個性化的治療方案。在劑量計算方面，計算的速度和精確度方面互相矛盾，但是應(yīng)用深度學(xué)習(xí)的方法可以很好的解決這個問題。同時，深度學(xué)習(xí)還可以大幅提高一般算法的精確度。

       AI不止簡單粗暴的算法模型

       目前，AI很大程度上還是一個“黑盒”，AI為醫(yī)生進(jìn)行自動勾畫時，往往還是要通過醫(yī)生的反復(fù)驗證，現(xiàn)在的AI還處于‘弱人工智能’的時代，在臨床上面怎樣讓醫(yī)生比較容易接受是AI產(chǎn)品能否落地的關(guān)鍵。

       而對于醫(yī)生而言，使用人工智能的決定性因素還是在于產(chǎn)品的精度。在保障AI自動勾畫的精度方面，蔣彬教授提出了三種保證精度的方法：

       一是驗證數(shù)據(jù)。用大量不同醫(yī)院、不同人群的數(shù)據(jù)驗證算法的準(zhǔn)確性；

       二是明確誤差。把不確定性同時用人工智能的方法算出來，使醫(yī)生查看勾畫結(jié)果時，可以針對不確定的地方多花點時間，而準(zhǔn)確度較高的地方，可以少花時間；

       三是讓人工智能深度學(xué)習(xí)，變得可以解釋。把人工智能從“黑盒”變?yōu)橥该?，將計算邏輯呈現(xiàn)出來。在這一點上，存在難度。

       另外，蔣彬教授指出，現(xiàn)在許多人工智能的算法實際上是“簡單粗暴”的計算，用一些常見的算法從大量的數(shù)據(jù)中得到一些不錯的結(jié)果。而隨著產(chǎn)品進(jìn)入臨床的落地，包括FDA、CFDA的審核，從科研的角度來說，“簡單粗暴”的利用常見算法和大數(shù)據(jù)集 的模型會減少許多，而更多的團隊會開始思考怎樣處理精細(xì)的小數(shù)據(jù)集，怎樣構(gòu)建更好的算法，從小數(shù)據(jù)中也可以做出好的結(jié)果。

       真正的強人工智能需要有繼續(xù)學(xué)習(xí)甚至自主學(xué)習(xí)的能力，比如在一個模型訓(xùn)練的結(jié)果不準(zhǔn)確，機器可以在臨床應(yīng)用的過程中自己處理不準(zhǔn)確的地方，并自動反饋到模型里面加以提高。也就是說，機器要有自我進(jìn)化的能力。

       通俗的來說，人工智能產(chǎn)品在應(yīng)用中，不僅要學(xué)習(xí)醫(yī)生的過往診療數(shù)據(jù)，而是要實現(xiàn)學(xué)習(xí)醫(yī)生的思維和智慧，將醫(yī)生的經(jīng)驗都囊括在算法里，達(dá)到計算機能夠像人一樣思考，而不是用簡單粗暴的方法從大量原始數(shù)據(jù)中學(xué)習(xí)到規(guī)律。

       技術(shù)一定是進(jìn)步的，不會退步，更不會停止。“現(xiàn)在我們能夠做的、看到的還是非常早期的‘智能’。人工智能仍處于兩三歲小孩的時期，離成年還差得很遠(yuǎn)，但是在這個時期人工智能能夠在一些領(lǐng)域發(fā)揮作用已經(jīng)很了不起了，我們需要等它成長起來，而且也一定會成長起來。