“人工智能技术,使中国放射肿瘤治疗不仅仅在变化,而是发生着一场大变革。”
——王俊杰教授 北京大学第三医院肿瘤中心主任
在医学影像辅助诊疗环节,近年来不断涌现出新的科研成果与技术产品,科研团队与服务公司间的互动日趋频繁。目前全球大多数“AI+医学影像”产品,主要以辅助诊断为主,例如对肺结节的自动识别与诊断。针对治疗环节的AI产品还较少,连心医疗是国内为数不多的实践者,自主研发放疗计划阶段的器官与靶区自动勾画,以及放疗过程中的自适应放疗产品。
AI在放疗领域,目前有哪些主流科研方向?产品落地情况如何?中美两国在医疗人工智能的发展环境方面存在哪些差异?针对这些问题,亿欧智库在连心医疗2017 CSTRO璀璨卫星会中,与大会特邀演讲嘉宾、来自美国德州大学西南医学中心的蒋彬教授进行了一次深度访谈。蒋彬教授系统性地讲述了其在放疗全流程的六项AI科研方向与成果,建立“科研-临床-产品化”的生态模式,以及对于医疗人工智能未来发展的一些思考。
蒋彬:“AI+放疗”科研先行者1. 器官分割与靶区勾画
亿欧智库:器官分割与靶区勾画,为什么会成为您的重要科研方向呢?
蒋彬教授:一方面是放疗科医生手动勾画效率太低,另一方面是缺乏经验丰富的放疗科医生,尤其是基层医院。美国的一项对放疗患者的长期跟踪研究表明,在大医院和小医院进行放疗的存活率存在明显差距。而这种差距,一个主要原因是医生对器官分割的精准性,和对靶区勾画的专业性。
亿欧智库:借助AI进行器官分割和靶区勾画,目前的研究进展如何?
蒋彬教授:在器官分割上我们已经取得了比较不错的成绩,例如对于主要器官的勾画,专家勾画与AI勾画的重合程度目前是85%左右(在临床应用上,Dice Index到80%以上就很好了)。但是,靶区勾画的实现难度会稍大一些。因为每位医生的经历和经验不同,具体的治疗方案也会不同,很难有统一的标准。所以,连心医疗的linkMatrix科研平台比较有效地解决了这个问题,让AI学习各位优秀的医生的经验,医生可以进行自主选择。例如,我信任“张三医生”,就可以选择他的靶区勾画方案,然后AI就会根据他的方案进行自动勾画。我们现在在做的,跟连心医疗这个思路很像。
2. 人工智能治疗计划
蒋彬教授:制定治疗计划很耗费时间,而且计划的质量也参差不齐。放疗医生与剂量师(在中国没有剂量师,物理师承担了剂量师的工作)常常需要对治疗计划进行讨论和反复修改。我们让AI学习优质的医生和剂量师的经验,这样AI就可以自动地、高质量地、高效率地完成治疗计划的制定。
3. 治疗效果与毒性预测
蒋彬教授:患者的预后工作十分重要。例如,接受SBRT的早期肺癌患者中,有31%的患者五年内癌细胞会有远程转移。这些患者只做放疗是不够的,需要配合化疗或其他系统性疗法。但是我们不知道哪些患者属于这类情况,我们就通过AI进行跟踪研究,提早做出预测。
4. 同行审查与错误检测
蒋斌教授:在美国,每年有超过25万人死于医疗事故,在美国居民所有死亡原因中排在第三位,仅次于心血管疾病和癌症。我们正在建立一个叫SaftyNet安全网的深度学习网络,植入医院的病历系统中。SaftyNet不仅可以查错,而且还可以综合分析患者的各类数据,判断治疗方案是否达到最优,如果有优化空间,AI会给出调整后的方案供医生参考。
比如说在一层的机房,我们首创了两扇大门的设计,前门是病人的进出,后门及门外的走道是用于各种定位和剂量设备。一方面可以让患者有更舒适的体验,另一方面也是为了保证机房内的整洁。二层是医生、物理师、剂量师及其他相关临床人员的办公区域,我们按照病灶分组设计多个生态系统,让每个病灶相关人员在一起工作,便于交流。这座建筑的设计在美国很有名,许多想要修建新放疗中心的人都会来参观,比如上周Virginia Commonwealth University由系主任Douglas Arthur教授和物理主任Jatinder Palta教授带队,前来参观学习。
“科研-临床-产品化”的生态模式亿欧智库:AI医学影像领域,从科研成果到应用产品往往需要很长时间,其中涉及到数据训练、产品化等很多问题,您的团队是如何解决这一问题的呢?
蒋斌教授:你说的这个问题确实存在。研究人员对产品开发不熟悉,商业公司对于科研不了解,科研成果和临床使用之间有一条鸿沟。所以我们正在筹建一个医疗人工智能研究中心,将科研、技术方案、临床使用打通,同时与外部公司合作,将AI技术转化为产品,目前我们与连心医疗正在建立这样的深度合作关系。未来,研究中心会衍生出孵化功能,内部孵化创业公司,实现AI技术的产品化。这样,我们就构建了“科研-临床-产品化”的生态模式。
亿欧智库:但是技术方案在临床中的使用,需要经过FDA认证,而FDA认证可能耗时很久。您如何看待?
蒋斌教授:因为德州大学西南医学中心就有医院属性,我们的AI 算法可以比较容易地在我们的临床中测试和使用,不需要FDA认证。临床中的具体使用过程,会暴露出很多问题,这是科研环节不会看得到的。这些问题,不是算法不够好,而更多的是流程问题、实际操作问题,以及科研中没有预想到的场景问题。通过临床使用,我们就可以不断提升和优化算法。
医疗人工智能的未来亿欧智库:美国比中国在AI领域的研究更早一些,而中国近几年也进入了AI加速阶段。您如何看待中美两国在AI领域的未来发展?
蒋彬教授:我认为中国很有可能会“超车”。中国已经在很多领域实现了“弯道超车”,比如从现金支付直接跳过信用卡,进入电子支付时代。我们看每年AI论文的评奖,国内学者或华人得奖的有很多。中美两国在基础理论研究方面可能存在差距,国内做基础理论研究的人比较少,更多偏应用。但我不认为这是问题,因为基础理论是共享的。
亿欧智库:从医疗人工智能的发展环境而言,中美两国有何异同?
蒋斌教授:首先,数据方面存在一些差别。美国在数据隐私、所有权、法律等问题方面很严苛,在中国会相对容易一些。但是,中国的影像数据电子化程度还不高。另外,两国都存在数据质量问题,主要是由于医学名词的使用缺乏统一性。我们几百个病人的病例,其中有对于大概30-40个不同器官的资料,竟然出现6000多种不同的名字。所以,我们在尝试用AI清理数据。
亿欧智库:AI在放疗领域的产品真正落地,是否会经历一个漫长的过程?
蒋彬教授:目前AI在放疗领域的研究还比较早期,瓦里安、医科达等放疗公司都在尝试做,但还没有进入产品。但我相信,未来1-2年就会有比较多的落地产品出来。AI和其他技术不同,因为它是不断飞速进化的,是非线性发展的。目前全球许多大公司都 AI作为发展战略,例如微软研究院有8000人规模的AI研究人员,大家都是只争朝夕的态度,担心一不落后会再也赶不上。所以我相信,放疗AI产品的落地也不会太久。