面对发病率、死亡率双高的肺癌，AI能帮人类做些什么？

 

“肺癌的5年生存率非常低，低于20%，也就是说，发现了肺癌，只有不到20%的人能活过5年”，复旦大学附属华东医院放射科主任李铭在接受接着采访时表示，我国肺癌发病率高，无论是男性还是女性，其死亡率在所有癌症中都是最高的。
近日，复旦大学附属华东医院“张国桢肺微小结节诊治中心”和上海交通大学“SJTU-UCLA机器感知与推理联合研究中心”组成的联合研究团队在肺癌诊断方面取得了阶段性成果，通过深度学习的方法预测亚厘米肺癌的浸润风险程度，并且在预测精度上优于放射科医生，研究论文发布于美国癌症研究协会会刊《Cancer Research》。
“难治”的肺癌
“肺癌的防治必须早筛、早诊、早治，而这其中最困难、最关键的就是早诊”，该论文作者之一的复旦大学医学院在读博士赵伟解释，早期肺癌多表现为磨玻璃结节，其恶性的概率大于实体结节，但是这种类型的结节，特别是亚厘米结节，在CT图像上，由于传统的恶性征象较少出现，浸润前病变和浸润性病变影像表现重叠较高等特征，诊断十分困难。
有资料显示，在AAH-AIS/MIA/IAC三分类的诊断上，高年资医师的诊断正确率也只有56.6%。
而在实际中，由于医生水平的差异、放射科医生培训周期长，以及肿瘤标志物缺乏特异性等问题也干扰着肺癌的早期诊断。此外，“由于目前医疗资源分配的不均衡，三线城市以下很少人做肺部筛查，或者说发现时已经很晚了”，李铭补充道。
在医学上，肺癌的浸润程度可以被分为非浸润和浸润两类，浸润前病变的5年生存率接近100%，而浸润后病变的预后则相对较差，而相应采取的医疗手段也不尽相同，因此，做到对肺癌的早诊意义重大。
这也就是意味着，肺癌的早诊必须突破技术难关，要早在浸润前，能对小于10mm的结节进行筛查诊断，而人工智能技术提供了一种新的可能。
AI与医疗的碰撞
在研究中，团队利用深度学习的方法对651个亚厘米肺腺癌的CT数据及其病理结果标注进行训练，并通过多任务的卷积神经网络对亚厘米肺腺癌的浸润风险程度进行了自动术前预测。这些样本依托张国帧肺微小结节诊治中心的常年积累，尽管651表面看起来并非一个庞大的样本量，但“这却是我们所知的目前最大的具有病理和像素级标注的亚厘米腺癌数据集”，赵伟称。
李铭团队还对这些样本进行了数据标注，其中的每一个亚厘米结节都具有像素级的手动分割结果和对应的病理标签，而每一个样本的标注都要花费15-20分钟甚至更多的时间，也正是这样的样本积累构成了深度学习最为关键的一环。
在深度学习算法上，团队通过建立医疗影像上的任务谱，极大地降低了模型的学习难度、迁移泛化能力、稳定性和可靠性。此外，研究所建立的3D模型也显著优于其2D变种，准确率得到显著提高。在128例测试集中，这一多任务深度学习模型的预测的结果优于4位放射科医生，其中包括两位高年资的医师和两位低年资的医生。
这一研究实现了从肺结节辨识、定性诊断良恶性到肺腺癌浸润分型的跨越。点内生物科技有限公司市场经理林妍萱称，这是“目前全球首创并且唯一的可以预测早期肺腺癌浸润程度的人工智能医学影像系统”。这一研究不仅能帮助医生选择早期肺癌的治疗方法，还有利于推动精准医疗的发展。
“30%的肺癌病人已经没有手术指征，既不能开刀也不能穿刺，AI能够预测病理的结果，就可以辅助医生提供治疗的方法。70%的病人有手术指征，但未必是肿瘤患者。通常是建议穿刺，但是穿刺对于良性的肿瘤可能过度医疗，对于恶性的肿瘤可能造成激惹或者扩散。AI预测病理结果，在手术或穿刺前，提供精准医疗的参考。”点内生物科技有限公司创始人葛亮这样评价这一研究为肺癌诊断带来的改变。目前，点内科技已将这一科研成果用于产品研发，开发出了“肺常好”肺结节筛查产品，已进行了部分免费投放试点，并取得了CFDA医疗器械二类注册证，这意味着这一产品正式进入商业化。