肺癌預測的人機對決 谷歌AI挫敗6位放射專家

人機對決的主角已經不再限于谷歌的 AlphaGo 。

5 月 20 日，《自然-醫(yī)學》報道了來自谷歌 AI 團隊的一項人工智能研究，這是根據(jù)低劑量計算機斷層掃描圖像來預測肺癌的。其結論是，AI 表現(xiàn)超越了 6 位專業(yè)的放射醫(yī)學專家。

4D預測肺癌

圖 |肺癌細胞的掃描電子顯微鏡照片。
2018 年，全世界有 960 萬人死于癌癥，其中肺癌死者就有 176 萬，高居癌癥死亡率第一位。在中國，由于人口老齡化和空氣污染的嚴重態(tài)勢，且吸煙率居高不下，肺癌也已成為死亡率最高的惡性腫瘤。據(jù)《中國肺癌低劑量螺旋 CT 篩查指南（ 2018 年版）》，在 2015 年，中國肺癌的發(fā)病和死亡例數(shù)分別達 73萬 和 61 萬，發(fā)病率和死亡率非常接近，其主要原因是臨床診斷病例多已為晚期，失去了手術機會。
早期診斷和早期治療是提高肺癌生存、降低肺癌死亡率的重要措施。在高危人群中，與 X 線胸片比較，低劑量計算機斷層掃描（ LDCT ）可降低 20% 的肺癌死亡率。2013 年，美國預防醫(yī)學工作組( USPSTF )推薦對高危人群進行低劑量計算機斷層掃描篩查肺癌。不過今天也只有 2% 到 4% 的符合條件的美國患者進行了篩查。
谷歌產品經理 Lily Peng 博士指出，早期的微小腫瘤很難看到，超過 80％ 的肺癌病例無法及早發(fā)現(xiàn)。肺部影像的評估是基于圖像中肺部的結節(jié)大小、密度和生長情況，但是假陰性和假陽性會導致很多不必要的活檢與漏診，于是大量肺癌在發(fā)現(xiàn)時已是晚期，這帶來高昂的臨床成本和經濟成本。
目前美國食品藥品監(jiān)督管理局（FDA）已經批準了一些軟件應用，這些應用主要是為醫(yī)學成像專家提供特定圖像的診斷支持，屬于計算機輔助檢測范疇。為了超越先前計算機輔助檢測方法的局限性，來自谷歌 AI 部門的 Daniel Tse 及同事建立了一種端到端的分析方法，僅使用輸入 CT 圖像就可以來預測肺癌風險。
此外，他們還使用卷積神經網絡（CNN）來進行訓練，這種技術在圖像識別方面能夠給出更好的結果。

圖 |谷歌肺癌 AI 模型的整體建模框架。（來源：《自然-醫(yī)學》論文）

圖 | 對于每個患者，新模型采用已有的低劑量計算機斷層掃描數(shù)據(jù)集，輸入患者 CT 圖像，經過分析輸出該病例的癌癥風險預測和風險評分。（來源：谷歌）

圖 |對于無癌癥病史的無癥狀患者，發(fā)現(xiàn)了潛在的肺癌腫瘤。

放射科醫(yī)生無法像計算機一樣檢查 3D 掃描，他們必須審查數(shù)百個單獨的 2D 掃描切片以發(fā)現(xiàn)問題，而腫瘤可能會很微小以至難以察覺，這種新的機器學習系統(tǒng)則可以分析高通量的 3D 肺部圖像，不僅可以對整體腫瘤進行預測，還可以通過肺結節(jié)識別細微的惡性組織。再加上先前的掃描數(shù)據(jù)對比，就可以用來評估肺結節(jié)的生長速度。
論文共同作者、美國西北大學醫(yī)學院 Mozziyar Etemadi 博士說，3D 檢測早期肺癌的能力比人眼檢測 2D 圖像要敏感得多。事實上，新系統(tǒng)在技術上可以納入 4D 范疇，因為它不僅僅是一次 CT 掃描，而是包括了當前和先前共計兩次的掃描，所以可以檢測肺結節(jié)隨時間的生長變化。
在這項研究中，谷歌的 AI 算法至關重要。當然，這也受益于谷歌強大的計算機運行能力。Daniel Tse 團隊用 42290 張 CT 掃描圖像進行訓練，以便在無人類參與的情況下預測肺結節(jié)的惡性程度。他們發(fā)現(xiàn)，在 6716 個測試病例中，該人工智能系統(tǒng)能夠以 94% 的準確率發(fā)現(xiàn)極小的惡性肺結節(jié)。
在無先前 CT 掃描圖像的情況下，該系統(tǒng)的表現(xiàn)超越所有 6 位放射醫(yī)學專家，假陽性減少 11％ ，假陰性減少 5％ ；而在有先前 CT 掃描圖像的情況下，兩者表現(xiàn)不相上下。這 6 位放射專家有平均 8 年（ 4 年到 20 年）的讀片經驗。2019 年 5 月 7 日，Lily Peng 在 2019 年開發(fā)者大會上稱，他們研發(fā)的人工智能技術可以比醫(yī)生早一年查出肺癌，使患者存活的概率提升 40% 。
開發(fā)人工智能系統(tǒng)的谷歌工程師強調，它不是為了取代放射科醫(yī)生，而是為了提高醫(yī)生檢測結節(jié)的能力并確定它們是否有危險。作者提醒說，這些發(fā)現(xiàn)還需要經過大規(guī)模的臨床驗證，但現(xiàn)有研究，仍說明這一模型有望推動改善肺癌患者的管理和預后。鑒于專業(yè)的胸透放射醫(yī)生缺乏，谷歌這個新系統(tǒng)對于社區(qū)醫(yī)院的普通放射科醫(yī)生將會是一個便捷工具，這可能會成為肺癌篩查推廣的利器。不僅僅是輔助檢測

那么，這個系統(tǒng)能否達到 100% 的肺癌預測率呢？他們下一步有什么規(guī)劃呢？對此，這項研究的負責人 Daniel Tse 接受了 DeepTech 的專訪。DeepTech：這項研究方法的特點是哪些呢？

Daniel Tse：今天的肺癌篩查存在若干挑戰(zhàn)，包括高頻率的假陽性和假陰性、整體變異性以及實施廣泛成像篩查計劃的現(xiàn)實障礙。這些弊端就給 AI 留下了施展拳腳的空間。深度學習方法可以進行復雜的自動化圖像分析，檢測細微的圖像變化以及統(tǒng)一圖像評估方法。

我們的模型結合了檢測和診斷雙重功能，并且經過深度學習算法，擁有計算機輔助檢測所不能進行的解釋功能。這套系統(tǒng)可以使用患者當前和先前的 3D CT圖像來預測肺癌發(fā)展。

DeepTech：AI 的肺癌評估準確率有極限嗎？現(xiàn)在是 94% 的準確率，那么是不是意味著還有接近 6% 的提升空間？

Daniel Tse：目前的研究主要目的是為了創(chuàng)建深度學習的模型，且可以解決目前肺癌篩查中的高假陽性和高假陰性問題。而現(xiàn)實應用中，總會有一些限制因素，這就使得AI 不能得到 100% 的精確度。

事實上，AI 并不以精確度為唯一追求，而是兼顧特異性（假陽性）和敏感性（假陰性）?；趯嶋H結果的意義，后兩者的重要性可能不同。比如，減少假陰性意味著將檢測到更多的癌癥，也就減少漏診。

下一步，我們的系統(tǒng)要給醫(yī)生提供這些預測結論的表述方式，以及給患者提供積極的建議。DeepTech：下一步會如何推進大規(guī)模臨床驗證？在將來如何推進這方面研究的產品化？

Daniel Tse：目前這些結果令人鼓舞，但還是早期階段。我們需要進一步改進和驗證這套系統(tǒng)，并探索放射科醫(yī)生更實用的使用方法。此外，還要與世界各地的監(jiān)管機構合作，確保產品應用前有充分的研究。DeepTech：谷歌 AI 部門之前在視網膜病變和乳腺癌方面都有很重要的工作，這些產品有哪些進展？目前你們在這方面的工作與美國 FDA 有溝通嗎？

Daniel Tse：我們的大部分工作仍處于研究階段，但我們與谷歌旗下子公司 Verily-Alphabet 合作的糖尿病視網膜病變計劃現(xiàn)已部署在印度的診所。這也得到了歐洲的健康、安全和環(huán)保的CE認證。我們正在與 FDA 進行研發(fā)產品的溝通。

在印度，7200 萬糖尿病患者中只有 600 萬人有機會接受糖尿病視網膜病變篩查，他們的眼科醫(yī)生缺口超過 10 萬名。在過去 3 年中，我們開發(fā)了一種機器學習算法，更容易篩查糖尿病性視網膜病變（DR）和糖尿病性黃斑水腫（DME）。

2018 年年末，我們在泰國也開展了這項工作。今年我們會在全球開展更多工作。業(yè)內點評

關于這篇文章，DeepTech 也專訪了醫(yī)學成像國際權威、美國倫斯勒理工學院講席教授王革?！暗蛣┝?CT 檢查對于肺癌普查極為重要”, 王革說，“在這個領域人工智能 AI 方法大有作為。若干團隊都先后獨立報告了令人鼓舞的結果，而這篇文章是一個杰出的代表?！蓖醺镔澩?Daniel Tse 的觀點，這些結果還在早期階段。如何改進、優(yōu)化和驗證，以及如何融入放射科醫(yī)生的工作流程、如何實現(xiàn)可解釋性等方面均有大量的工作要做。他最后強調，“人工智能 AI 是新的范式，道路曲折，前景光明。必將顯著提高醫(yī)療質量，造福民眾?！?/p>

《麻省理工科技評論》發(fā)表評論認為，這些研究雖然是令人興奮的，但應該被視為小的進步。因為出于隱私原因，在醫(yī)療保健中使用 AI 仍然具有挑戰(zhàn)性。此外，現(xiàn)實世界的數(shù)據(jù)集很少像研究中使用的那樣完美。值得注意的是，治療癌癥不僅僅涉及檢測。例如，患者與患者之間多種因素的差異使得診治難以完全實現(xiàn)自動化。

不過，紐約時報提出了疑問：如果這套 AI 系統(tǒng)得到 FDA 的批準，那么隨著系統(tǒng)經驗和更多數(shù)據(jù)的更新，開發(fā)商是否需要再次提交申請？如果是這樣，多久提交一次呢？