【醫療AI】AI 於抗癌領域的現在與未來
將人工智慧應用於輔助抗癌已經是未來醫學的趨勢。根據世界衛生組織的報導，2020年全球新增至少1930萬癌症患者，但癌症診斷仍然相當棘手，治療過程往往需要具有兼具廣度與深度的跨專科團隊、診斷過程還要面對無數重複的檢查與等待、就算花費不貲還是有可能缺乏有效藥物的困境，讓許多患者與醫療團隊很難和癌症長久對抗。
如何早期診斷癌症、提供患者個人化的治療，以及發現新的癌症治療藥物，正是這個時代最重要的課題，也是人工智慧在醫療上最有野心的應用。以下整理了醫療級人工智慧在癌症治療領域上的現況與願景。
人工智慧從醫療影像中早期診斷癌症
雖然人工智慧短期內並不會取代放射科醫師的工作，但已經澈底地改變癌症的診斷流程。
診斷惡性腫瘤最仰賴的工具之一就是影像檢查。以英國為例，光是在去年來自門診與健檢的電腦斷層與核磁共振等高階影像檢查的需求，就暴增將近130%，但相關人力只有增加19%，要短時間內培養出足夠的放射科醫師來進行判讀，在未來的幾年內都非常困難。醫療專業人力過勞，很有可能導致誤判的機率增加。導入人工智慧就能夠有效降低放射科醫師判讀的時間成本，並在大量正常的組織影像中，更快地找到重點。
目前全球已經有將近150項實際用在放射科的人工智慧模型。讓人工智慧的參與能夠有效提升醫師診斷的精準度，縮短判讀時間，在惡性腫瘤尚未變大之前找出需要注意的位置。更流暢的診斷流程，也能降低醫師長時間工作時的感官疲勞，癌症患者也能因此得到更好的照護。
人工智慧也能夠對每一位患者提供更為個人化的照護，例如，對於嬰兒或小孩的癌症患者，使用人工智慧，精準估計照射的放射劑量是相當重要的。癌症早期診斷的機率提高之後，就能避免後續使用更為侵入式但預後可能更差的治療，對於維持病人生活品質相當關鍵。
人工智慧能讓癌症照護更加個人化
除了前面提到，人工智慧可以為每一位患者設置更為精確的放射劑量。人工智慧和深度學習工具，如今也常常應用在分析電子病歷、穿戴式照護裝置的資料。這些資料可能會找到過去原本難以發現的規律，能夠分析這些規律，提供個人化的標靶用藥。
如今資料科學家、工程師與醫師也正在合作開發能夠大量搜尋、理解醫學論文的人工智慧。這些經過訓練後的語意模型，能夠在全球的各種醫學期刊與人體試驗中，為癌症患者找到與個人經驗更為接近的相同病例，讓醫師也能用更快更廣的方式，為病人找尋個人化的治療方式。
例如西奈山醫院 Mount Sinai的人工智慧部門，就成功地用患者模組化後的電子病歷訓練了人工智慧，能夠在患者個人的病理切片中找尋規則，比對是否有早期罹癌的跡象，成功地將早期診斷的準確率提升到93%，目前這項人工智慧服務已經適用於前列腺癌、大腸癌與肝癌。可以期待的是，當相關的資料累積的愈多，精準醫療(PrecisionMedicine)普及的未來指日可待。
人工智慧能預測化療藥物是否有效，大幅降低患者痛苦
化學治療是癌症治療中相當重要的角色之一。但在過去，決定化療的配方(regimen)以及劑量都非常仰賴醫師的經驗法則。將人工智慧導入癌症治療的最大好處之一，就是能夠更有效地預測個人化的劑量與用藥循環。
由新加坡大學所開發的CURATE.AI，就是為了提升混合式治療所誕生的人工智慧，目前已經用在乳癌的治療，能提升偵測乳癌細胞是否帶有同源重組缺陷，已決定患者是否適合用藥，減少無效治療的比例。
機器學習與人工智慧也應用於提前偵測化療藥物作用的效果，例如卵巢癌患者對於泰莫西芬、胃癌患者對5-FU、子宮內膜癌患者使用紫杉醇的效果。如果患者對藥物的耐受性很高，醫師就能提早建議更換化療用藥。這些經驗也能夠讓新藥開發團隊，更了解癌症細胞株的特性和患者對藥物的反應，加速藥物分子的選擇。
有如非侵入式的醫學影像設備在上個世紀的突破性發展，造就了醫療技術的大幅躍進。人工智慧也已經是現代化醫療不可缺少的一項重要利器，如果能夠善用每天累積的臨床資料，人工智慧將能發現許多過去技術上難以發現的早期病灶、縮短患者等待新型藥物的時間，以延長存活的機率。
你也是對導入AI有興趣的醫學研究人員嗎？你也希望能夠了解如何將AI應用在癌症治療上嗎？更多細節請參考網：https://www.infinitiessoft.com/，讓你能更快部屬人工智慧技術。
【參考文獻】
- Intelligence based software for radiology for the European market.
- How does artificial intelligence in radiology improve efficiency and health outcomes?
- An expert explains: 3 ways AI can help in the global battle against cancer.
- Artificial intelligence-guided discovery of anticancer lead compounds from plants and associated microorganisms