也許將來我們不再需要水滴籌、輕鬆籌，因為AI不僅能救命，還能省錢

這顆腫瘤很難在掃描圖像中遁形，它有高爾夫球那麼大，呈白色，醒目的位於腦幹之上——腦幹是在身體和大腦之間傳遞信息的器官。在很多方面，腦幹都是主控器，它從脊髓頂部傳導著我們的每一次心跳、每一次吞咽和每一次呼吸。

對這位年輕人來說，癌症是以一種戲劇性的方式被發現的。越長越大的腫瘤堵塞了腦部排出的液體，引發了嚴重的癲癇發作。現在，醫生必須找到治療他的最佳方法。

有了人工智慧之後，標記腫瘤這種耗時的工作可以在幾分鐘內完成

拉吉·傑納（Raj Jena）是劍橋大學阿登布魯克醫院的神經腫瘤學家，他拿出掃描圖像，來解釋醫生如何為患者規劃放射治療。拿這位年輕人的病例來說，傑納可能需要研究100多張圖像，每張圖像展示的都是一小片腦部。然後，傑納必須仔細標記出腫瘤的邊界，以及應該避開放射治療射束的敏感腦區的輪廓，比如下丘腦、腦垂體，以及連接到腦部視覺中心的通路。這個過程可能需要耗費數小時。但只有完成這一步，計算機才能開始計算如何在不損及周圍重要部位的前提下，用放射治療射束轟擊腫瘤。

拉吉·傑納博士使用微軟推出的InnerEye系統，自動標記前列腺癌患者的掃描圖像

「我們必須先確定腫瘤的位置，並划出我們想保護的健康組織，之後，才能開始治療。」傑納說，「這就是瓶頸。這一步完成得越快，就能越快讓患者開始接受治療。」

有了人工智慧（AI）的幫助，這項複雜的工作在幾分鐘內就可以完成。過去六個月里，傑納使用微軟推出的InnerEye系統，自動標記前列腺癌患者的掃描圖像。在他所屬部門每年治療的2,500名癌症患者中，男性佔到了三分之一。掃描完成後，圖像經過匿名和加密處理，發送到InnerEye程序。該程序能標記出每張圖像上的前列腺輪廓，創建一個3D模型，然後把信息反饋回來。就前列腺癌來說，整個器官都會被點亮。

InnerEye通過以往患者的大量圖像進行訓練，以此學習如何標記器官和腫瘤。這款程序已經為前列腺癌的治療節省出了時間，腦部腫瘤將是下一個。

核磁共振成像掃描顯示，這位年輕患者的腦部存在惡性腫瘤

讓這個過程實現自動化，好處不僅僅在於節省時間。由於InnerEye訓練時使用的圖像是經過頂尖專家標記的，因此，它每一次標記的效果應該都不亞於頂尖醫師。其結果就是，治療不僅可以更快，而且也更加準確。「我們知道，標記輪廓的準確程度，會影響到治療質量。」傑納說，「之所以療效有好有壞，區別就在於轟擊腫瘤的準確度，以及我們是否避開了健康組織。」

作為微軟研究院InnerEye項目首席研究員，安東尼奧·克里米西（Antonio Criminisi）解釋了自動化標記如何能夠為更智能的放射治療鋪平道路。由於這個過程太耗時，且成本高昂，因此目前，在放射治療開始前，腫瘤圖像只會經過一次標記。如果它能變得又快又便宜，患者將能享有「自適應放射治療」，即在每次治療開始前，都接受掃描、圖像標記和放射治療規劃。如此一來，放射治療射束可以根據治療當天腫瘤的大小和形狀進行調整，而不是根據腫瘤初次接受掃描時的樣子。「這可能是變革性的。」克里米西說，「它也許將帶來一種新的癌症療法，這種方法不僅更快，患者的負擔也更小。」

「它也許將帶來一種新的癌症療法，這種方法不僅更快，患者的負擔也更小。」——安東尼奧·克里米西

計算機工程師喜歡說，數據是人工智慧的燃料。的確如此：一些實現人工智慧的現代方法（尤其是機器學習）非常強大，因為它們可以在我們收集的海量數據中，發現有意義的模式。人人都會生病，如果說這件事還有一點點好處的話，那就是醫療系統由此掌握了大量與健康有關的數據，而這些數據可以供人工智慧利用。

托尼·楊（Tony Young）是英國埃塞克斯大學紹森德分校醫院的泌尿科醫師，同時也是英格蘭國民保健署（NHS England）負責創新事務的全國臨床主管。他認為，人工智慧可以在整個醫療服務體系中產生影響。他提到，一些公司正在利用人工智慧，通過痣的照片來診斷皮膚癌，還有的通過視網膜掃描圖像，來診斷眼部疾病，或者通過超聲波心動圖來診斷心臟病。另一些企業則利用人工智慧，標記那些需要緊急護理的中風患者，並預測病房中的哪些患者可能有生命危險。「我認為這將掀起一場革命。」他說。

技術不會在一夜之間改變醫療體系。跟其他所有創新一樣，人工智慧系統必須經過測試、驗證和審批。而且，有學習能力的系統往往需要仔細的解讀。患者的血檢結果也許揭示了危及生命的癌症的確切跡象，但如果這種癌症可以得到很好的治療，人工智慧系統有可能將患者評定為低風險等級。

有望推動人工智慧在醫療系統中普及的，是這樣一種可能性：某些情況下，這些創新不僅能救命，還能省錢。如果我們能對患者更快地篩選分類，更有效地進行檢驗，更快速準確地做出診斷，那麼整個系統將變得更加精簡。英國國家醫療服務體系（NHS）採用了一項名為HeartFlow的技術，它由斯坦福大學孵化。該技術利用冠心病疑似患者定期接受掃描的CT圖像，藉助人工智慧，創建心臟以及周圍血液流動情況的個性化3D模型。通過模型，醫生可以看到，某些血栓如何阻斷了血液流動，從而更好地制定治療方案。測試中，超過半數接受HeartFlow分析的患者避免了侵入性血管造影——這是一種常見但成本高昂的手術，需要把染料注入心臟——從而將治療成本降低了四分之一。「有人問我，我們如何用得起這些技術？我告訴他們，不去使用這些技術，才是我們無法承擔的後果。」托尼·楊說。

一位患者接受核磁共振成像儀檢測

對倫敦皇家自由醫院的麻醉科醫師維加爾·南迦利亞（Vishal Nangalia）來說，現在仍然是發展的早期階段，但他的公司Life Engine.AI正在開發一種人工智慧技術，可以基於血檢結果和其他數據，來預測哪些患者在入院時最有可能死亡或出現腎衰竭之類的嚴重問題。該程序利用20家醫院的近10億份血檢結果進行了訓練，它可以發現紅細胞、白細胞以及鈉和鉀等電解質發生的細微改變，而這些改變其實意味著患者的情況正在惡化。程序本身並不會告訴醫生應該怎麼做，而是標記出那些有可能從檢測、掃描或專家診斷中受益的患者，從而幫助醫生更快地進行干預。「機器學習的作用在於，幫助找出問題，並引起醫生的注意。」南迦利亞說。

人工智慧會取代醫生嗎，還是會削弱醫生的作用？神經腫瘤學家傑納搖了搖頭。「我寧願花時間思考如何改進患者的治療方案，而不是點擊滑鼠去做標記。」他說，「對很多腫瘤科醫生來說，我們要在周末和夜裡加班。有了這個之後，我們就可以解放出來，去做真正能夠發揮專長的事情。」

翻譯：何無魚

校對：李莉

編輯：穎仔

來源：The Guardian

造就：劇院式的線下演講平台，發現創造力

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！