如果有一天,癌症检查只要拍摄一张医学图片,医师就能够依此判断肿瘤类型、基因突变种类以及该采用哪种治疗效果,病患将得以免除抽血、活体组织切片(biopsy)等必须穿刺身体组织且造成不适的医疗程序。这是目前全球医疗科技产业积极研究的“图片组学”(Radiomics)发展方向。
图片组学
图片组学这个概念是荷兰学者Philippe Lambin于2012年率先提出,这门学问是将大量医疗诊断图像如:核磁共振(MRI)、计算机断层(CT)及正子照影(PET),转换成定量性大数据,再借由人工智能(AI)集成分析,提出肿瘤形状、大小及其他各种癌症特征供医师诊断参考。
以图片识别脑瘤是否有特定的基因突变
最近德州大学西南医学中心(UT Southwestern Medical Center)研发出一款AI,仅需要分析脑癌(神经胶质瘤)病患大脑MRI图片,即可识别该肿瘤是否存在一种特定基因(IDH基因)突变,准确率超过97%,研究发布在《神经肿瘤学》(Neuro-Oncology)期刊。
此技术将使医师治疗这类癌症的手法更安全快速。传统常规检查耗时且具风险性,医师必须以手术获取病患的肿瘤组织,才能分离出癌细胞DNA以分析核酸串行、确定IDH突变状态,并以此拟定治疗策略。
UT Southwestern Medical Center大脑研究所神经放射学主任Joseph Maldjian表示:“了解癌细胞所带有的特定突变种类对评估病情和决定治疗策略很重要,若能使用常规的医学图片搭配AI分析确定突变,那将会是重大跃进。”
图片组学提升乳癌筛检的精确性
乳癌是女性常见的癌症,早期发现早期治疗可大幅改善患者存活率。但乳癌筛检(乳房摄影)的准确率尚不足,伪阴性及伪阳性比例仍偏高:每5名乳癌病患就会有1名接受传统乳房摄影筛检后却没发现病灶;此外,有一半健康女性十年间定期筛检乳癌时会误判为罹癌。
最近英国人工智能公司DeepMind及Google联手开发AI系统,能帮助医师更准确早期发现乳癌。研究人员利用近3万张美国和英国乳癌患者的乳房摄影图像训练算法,准确度优于参与实验比较的6位放射线医师平均表现,结果已发布在今年1月的《自然》(Nature)期刊。
日本明定人工智能诊断为“辅助工具”
运用人工智能协助医师诊断癌症病患的病况,不仅能避免人为疏失还能减少较为危险的医疗程序而减轻患者的身体负担。但是开发人工智能诊断的企业会担心,当诊断发生失误时责任之归属是在厂商还是医师呢?针对这点,日本厚生劳动省为了让医界与厂商有明确的权利义务关系,已在2018年12月明定,人工智能属于辅助诊断工具,最终诊断结果仍应由医师负责。此外,日本“禁止”完全单靠人工智能诊断的医疗业务发展。
图片组学的挑战
图片组学尚处于萌芽阶段,虽然癌症疾病诊断、治疗关注等已获得初步成果,但许多研究结果往往仅在统计学有差异性,却无法提供明确是非判断。图片组学是基于大数据分析的产物,但目前有许多研究样本数量偏少,导致训练AI准确率不足,有过度拟合(overfitting)的缺点。
然而,虽然图片组学仍有许多技术挑战,但待其发展成熟,将有助于精准医疗(Precision Medicine)的进展及整体医疗品质提升。
结语
图片医学早已为癌症早期发现、病情评估及治疗后关注等有重大贡献,优势在成本低廉,且检验时不产生伤口又可避免不必要的治疗。未来若再结合人工智能辅助,将可避免人为疏失,做出更正确的判断。简言之,图片组学于癌症医学广泛应用指日可待,难怪Google及IBM等世界级大企业,早已投入大量资源进行相关研发工作。
(首图来源:shutterstock)