人工智能如何让乳腺癌的治疗决策更准确、更实惠

想象一下，作为一名医生，有一位早熟的住院医生永远在你身边，给你对疾病的深刻见解，帮助你为病人确定最佳的治疗途径。

Salesforce Research的一个团队认为，由于人工智能视觉技术和机器学习领域的一系列令人兴奋的发展，这种场景比你想象的更接近现实。

乳腺癌的发病率在上升

乳腺癌每年影响全球200多万女性，在美国，大约八分之一的女性在其一生中患上乳腺癌。2018年，美国男性新增2550例乳腺癌病例。令人震惊的是，全球几乎每个地区的乳腺癌发病率都在上升。

Salesforce Research与埃里森研究所(Ellison Institute)合作开发了一款名为“受体网”(ReceptorNet)的软件深度学习算法这可以决定激素受体的状态，这是临床医生决定适当治疗途径时的一个重要生物标志物乳腺癌患者-具有出色的灵敏度和特异性数字。

虽然使用人工智能来改善乳腺癌患者的预后并不是什么新鲜事，但迄今为止的努力——比如b谷歌的人工智能乳腺癌筛查工具——主要集中在诊断癌症上。

受体网的独特之处在于，它专注于改善乳腺癌患者的治疗决策方式。具体来说，受体网预测激素受体状态从一个廉价的和无处不在的组织图像。这与目前的护理标准形成了对比，后者既需要更昂贵、更不容易获得的组织图像，也需要训练有素的病理学家来检查这些图像。

至关重要的是，与美国等国家目前普遍使用的检测系统相比，这种检测激素受体状态的方法更便宜，也更快捷，因此它可能有助于提高乳腺癌治疗的高质量决策，使全球的患者能够接受最好的治疗途径，而不管他们的医疗系统中是否有专业知识。

受体网项目是如何开始的

“受体网”的开发源于Salesforce研究人员与南加州大学劳伦斯·埃里森医学变革研究所的创始董事兼首席执行官大卫·阿古斯博士的对话。

他是一位著名的肿瘤学家，医学和工程学教授。他解释说，长期以来，癌症医生一直认为肿瘤细胞包含了人类大脑无法完全提取的关于癌症的关键信息。

“人类的大脑非常擅长根据观察细胞的模式来判断是否有癌症，”阿古斯博士说，“但它不能确定这些模式中与癌症结果相关的细微差异。”换句话说，就是分子的开关是什么。”

这意味着患者可能被诊断出患有癌症，但随后必须等待数周才能得到分子研究的结果，以确定他们应该接受何种治疗。

“几年来，我们的团队一直致力于利用人工智能来理解细胞的模式，并帮助做出治疗决定。我们有这样的想法，也许我们可以通过人工智能和机器学习立即找到这些分子问题的答案，”阿古斯博士说。

这就是Salesforce研究团队的用武之地。Salesforce research首席研究科学家、该研究的第一作者Nikhil Naik表示:“我们拥有世界一流的人工智能研究团队，”他补充说，“此次合作也符合我们开发技术的理念，即不仅为公司服务，而且对人类和世界产生积极影响。”

奈克拥有麻省理工学院的计算机视觉博士学位，他说他很早就意识到Salesforce将是提供帮助的理想人选。

找到肉眼看不到的癌症线索

该团队开发了一种人工智能解决方案，通过学习发现肿瘤图像中的模式，使用廉价且广泛可用的成像过程，能够提取有关乳腺癌的重要线索。奈克给出了一个简单的类比。

假设你发生了一场事故，你认为你可能摔断了胳膊。如果你不用去医院拍x光片，只需要用手机拍一张手臂的照片，人工智能算法就能确定你是否骨折了，那会怎么样?

“这与我们正在做的非常相似。我们正在用一种更简单、更广泛的成像技术取代昂贵、耗时、需要专业技术的过程，即使用人工智能。“(MC (2)

那么这在实践中是如何起作用的呢?通常，当患者被诊断患有乳腺癌时，病理学家将在显微镜下使用免疫组织化学(IHC)染色法分析其肿瘤组织，以寻找允许癌症生长的激素受体的存在。这有助于他们决定最好的治疗方案，如激素治疗或化疗。

IHC染色的问题在于昂贵、耗时，而且在世界许多地方，特别是在发展中国家不易获得。

受体网已经学会了用一种更便宜和更简单的成像方法来确定激素受体的状态——苏木精和伊红(H&E)染色——分析细胞的形状、大小和结构。

受体网已经接受了数千张H&E图像幻灯片的训练，每张幻灯片包含数十亿像素，来自世界各地数十家医院的癌症患者。

医学人工智能负责人、该研究的合著者安德烈·埃斯特瓦(Andre Esteva)说:“该算法能够查看单个像素，并确定人眼无法感知的细微模式。”他解释说，模式可以提供有关如何治疗癌症的重要线索。

医疗人工智能的激动人心的时刻

自2019年初以来，奈克和埃斯特娃一直在Salesforce领导一个团队，专注于为社会公益提供人工智能应用，主要是在医学和科学领域。最近，该团队为COVID-19创建了搜索引擎，以帮助研究人员和临床医生更快地找到信息。

“与学术界相比，在工业界进行这种人工智能研究有很大的好处。当拥有工业规模的计算能力和工业规模的预算时，人工智能团队往往会蓬勃发展，因为这些元素使快速实验变得更加容易，”埃斯特娃说。

“我认为人工智能最有影响力的应用将是医疗保健，”研究科学家阿里·马达尼补充道，他协助开发了为受体网络提供动力的计算机视觉算法。

马达尼热情地谈论了人工智能可能对人们生活产生的变革性影响。“有一些直接的应用可以改善整个社会，”他说。“这就是吸引我进入人工智能和医疗保健领域的潜在动机。”

消除偏见，提高可及性，改变医学

那么，这对临床医生和患者意味着什么呢?通过H&E染色确定激素受体状态的能力可以使治疗更便宜，更容易获得，特别是在发展中国家。

阿古斯博士说，这也意味着患者可以免去从诊断到开始治疗的痛苦等待。

阿古斯博士提出了这项新技术的未来用例，他说:“想象一下，当一位女士来接受诊断时，我们可以当场告诉她应该接受什么治疗。或者在第三世界国家(那里没有分子测试)，想象一下，只要扫描一张幻灯片，就有可能告诉一位妇女，她可以得到一种可以控制乳腺癌的药丸。突然之间，医学发生了转变。”

为了让人工智能在医学领域发挥其全部潜力，临床医生必须首先对其准确性有信心。

奈克承认:“准确率只有80%的算法对于关键应用来说还不够好，比如决定给病人提供哪种癌症治疗。”

在ReceptorNet项目的测试阶段，当算法在从未见过的图像上进行测试时，它在激素受体测定方面达到了92%的准确率，这表明它在未来的临床应用中具有潜力。

为了确保算法能够提供准确的预测，无论它所分析的组织样本的制备方法有什么不同，都需要进行大量的小的、渐进的改变。至关重要的是，该算法还能够在不同的人口群体中提供可靠的性能。

长期以来，人们一直担心医疗保健和循证医学可能会对某些群体产生偏见，因为他们在证据基础上的代表性往往不足。然而，在开发acceptornet期间，研究人员能够在各种不同的群体中获得准确的结果，这对于在医疗保健专业人员中建立对人工智能性能的信心至关重要。

奈克说:“我们根据年龄、种族和地点等因素对数据进行了拆分，从统计上看，算法的性能没有差异。”

密切合作的重要性

在整个设计过程中，Salesforce团队与埃里森研究所的阿古斯博士、丹·鲁德曼博士和迈克尔·普雷斯博士密切合作，以确保他们意识到输入模型的数据中可能存在的任何偏见。这种紧密的合作也有助于确保团队的目标与临床工作流程以及临床医生、医生和护士感兴趣的问题紧密结合。

尽管如此，该团队意识到，并不是每个医疗专业人员都能轻易地相信人工智能是可以信赖的。

奈克说，与他们交谈的病理学家最初持怀疑态度，他们解释说，这种基于H&E幻灯片的预测不是病理学家自己能做到的。

“然而，当他们看到该算法运行得如此之好时，他们真的印象深刻，因为它能够通过从数千张图像中学习来做出这些预测，而且它还能够证实他们对哪种模式可以预测的怀疑。”这对他们来说是非常令人印象深刻和令人兴奋的。”

阿古斯博士对此表示赞同。“当我们第一次开始研究如何用人工智能和机器学习即时回答分子问题时，我们取得了一些不错的结果。但当我们与Salesforce合作时，这些结果就从不错变成了很棒。”

长期及短期影响

从临床的角度来看，这项技术最终可能会产生一些积极的影响。在一个发达国家如美国，它可以降低护理成本和启动所需的时间乳腺癌治疗，因为它使用便宜得多的成像技术和自动化决策。它还可以提高准确性，为患者提供更好的治疗效果。

在发展中国家，IHC染色的可及性有限，在扩大治疗可及性方面可能产生重大影响。

这项工作的直接影响是为未来的研究奠定基础，以比较有和没有这种类型的人工智能的病理学家的临床工作流程，以便更好地了解其全部潜力。

阿古斯博士说:“这只是我们在癌症治疗中利用人工智能所能做的冰山一角。这只是一个试点项目，以证明什么是可行的。现在，我们可以越来越深入，我可以设想不久的将来，只要看一张幻灯片，在人工智能的帮助下，我就能告诉别人，‘你会得到药物X，而不是药物Y，因为细胞的排列方式。’”

对于埃斯特娃来说，这个项目最令人兴奋的事情之一是，它展示了人工智能可以做的不仅仅是模仿医生的角色。

“我们在这里所做的实际上是训练人工智能做一些医生不能做的事情，作为他们的技能的额外能力。人工智能可以看到医生看不见的模式，而这些模式对病人来说可能是至关重要的。”

人工智能最终也可能对医患关系产生积极影响。有了人工智能的洞察力，医生可以在治疗的早期阶段与患者进行更明智的对话，让他们对治疗和治疗方面的前景有一个更全面、数据驱动的了解。

走向未来

埃斯特瓦热衷于强调，人工智能将有助于增强医生的作用，而不是取代它。

“真正让我兴奋的是，‘未来5年或10年它会走向何方?’”不幸的是，我们中的许多人都有过这样的经历:我们所爱的人接受了错误的治疗或被误诊。你最后会问自己，如果当初做了一个稍微好一点的决定，他们的生活可能会有什么不同。一个瞬间可能会对病人的生活产生数年或数十年的连锁反应。”

“医生应该能够根据所有可用的医学知识做出最好的决定。如果你能构建人工智能，通过利用医生的集体智慧和医疗数据，帮助医生做出正确的决定，那将是非常强大的。”

阿古斯博士补充说:“人工智能和机器学习是否预示着一个新时代的到来，并有可能应用于其他疾病癌症并最终为患者创造更好的结果。这不会在一夜之间发生，这将是一个缓慢、循序渐进的过程，但我们将在未来十年开始一段旅程，通过数据改善我们所做的每一个方面。这真的很令人兴奋。”

这项研究发表在自然通讯．

---

---