人工智慧 vs 乳腺癌專家，三個臭皮匠能否頂個諸葛亮？

導讀

不斷更新的醫學知識，快速變化的科學證據，龐大的知識庫讓最優秀的腫瘤醫生也面臨著巨大挑戰。例如，截至2017年10月，FDA批准了69種用於治療乳腺癌的藥物，不包括聯合治療方案。還有一項調查1117名腫瘤醫生的研究報告顯示，平均每周只有4.6個小時可以充電；而每周用於病人護理和行政任務的時間長達53個小時。在這種情況下中根本沒有足夠的時間來學習和獲取相關的醫學信息。人工智慧（AI）有可能幫助解決這一難題。

IBM Watson for Oncology(WFO)是IBM與紀念斯隆-凱特琳癌症中心聯合開發的一種認知計算系統，可以通過自然語言處理從一般文檔中提取結構化數據。WFO平台使用自然語言和機器學習分析了海量的非結構化醫療數據，主要集中在乳腺癌，結直腸癌和肺癌。

人工智慧程序「阿爾法狗」能夠橫掃圍棋界，那麼Watson又表現如何呢？近日，發表在Annals of Oncology上的一篇研究報告了WFO和來自印度綜合癌症中心15人組成的乳腺癌多學科診療團隊在乳腺癌診療上的對決，比較了兩種方式給出的治療建議的一致性。

研究方法

2014年至2016年期間，印度班加羅爾Manipal綜合癌症中心為638例乳腺癌提供了治療建議。 所有納入的乳腺癌都為MMDT過去3年所收治，包括514例局部和124例轉移患者。患者平均年齡為52歲，81％的病例表現為非轉移性疾病。 在這些病例中，受體狀態略有不同，更多HR陽性腫瘤患者（41％）和HER2 / neu陽性（29％）或三陰性（30％）腫瘤患者較少。

WFO在2016年分析了相同的病例及其臨床信息，WFO和負責處理這些病例的醫生不知道MMDT提出的治療建議。2016年，該中心的多學科診療團隊對所有未達成一致意見的病例進行了二次審查，以確定其建議是否會根據新的醫學進展和指導方針改變。如果多學科診療團隊的建議被WFO指定為「推薦」或「考慮」，則治療建議一致。

研究結果

在93％的乳腺癌病例中WFO和多學科診療團隊的治療方案保持一致性。亞組分析發現，I或IV期患者與II或III期患者相比一致性較差。

年齡增長對一致性有重要影響。與

未發現受體狀態影響一致性。

結論

WFO和多學科診療團隊提出的治療建議對所有檢查的乳腺癌病例高度一致。乳腺癌分期和患者年齡對一致性有顯著影響，而受體狀態本身並不影響。這項研究表明AI臨床決策支持系統WFO可能是乳腺癌治療決策的有用工具，尤其是在乳腺癌專家資源有限醫療中心。

WFO和多學科診療團隊之間的非一致性發生在7％的病例中。在這些病例中，23％的病例的非一致性是由於印度的乳腺癌治療方案與美國不同，這可能是由於國家之間的監管審批流程不同造成的，並且可以通過在知識庫中納入當地批准的療法來彌補。

非一致性還可能源自患者亞組人群特徵（如疾病負擔，患者偏好和社會支持系統水平）的變化。事實上，當我們按年齡檢測一致性時，發現隨著年齡的增加，一致性降低，特別是在老年患者中。

這項研究有幾個重要的優點：首先，它包含大量病例，並將WFO的建議與多學科診療團隊的建議進行了比較。其次，多學科診療團隊和WFO對彼此的治療建議不知情，消除了對方先前評估的潛在影響。第三，多學科診療團隊對原始評估與WFO之間的時間差異部分通過二次審查來解決。當然也有其局限性。

值得注意的是，WFO是腫瘤人工智慧診療領域的代表，雖應用前景廣闊但短時間內無法替代醫生的角色，只能作為一種診療參考。在處理信息的速度上，Watson遠遠超過人類，但診療活動可不是給出一個建議那麼簡單。

一方面，患者都是獨立的個體，有自己獨特性，醫患之間的溝通交流和醫生給予的人文關懷對腫瘤的治療至關重要，這遠超一般意義的「數據分析」。另一方面，在複雜疾病(如轉移)的處理上，WFO更傾向於以最佳的可用證據為基礎提出建議，而醫生則可能會考慮大劑量化療迅速緩解癥狀等措施，後者的評估更靈活。

WFO是個體化治療的重要一步，但應謹記：人工智慧雖然能改善診療質量，提供更多的參考信息，然而現階段只能作為診療的輔助工具，無法替代醫生和患者在醫療活動中的主導性地位。

參考文獻：

Somashekhar S P, Sepúlveda M J, Puglielli S, et al. Watson for Oncology and breast cancer treatment recommendations: agreement with an expert multidisciplinary tumor board[J]. Annals of Oncology, 2018, 29(4):418–423.

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！