沈天樂 杜向慧

1992年，國際商業(yè)機(jī)器公司（IBM）制造的“深藍(lán)”計算機(jī)戰(zhàn)勝了俄羅斯國際象棋世界冠軍卡斯帕羅夫。2016年，谷歌公司的AlphaGo機(jī)器人用1周時間與世界圍棋頂級棋手李世石激戰(zhàn)5場，以4∶1的絕對優(yōu)勢取勝。有人預(yù)測，幾十年后人工智能（artificialintelligence，AI）將在醫(yī)療、保健、農(nóng)業(yè)、教育、金融、服務(wù)、新聞、機(jī)械等行業(yè)發(fā)生革命性的進(jìn)步。AI正在逐漸改變著傳統(tǒng)的醫(yī)療模式，在新藥研發(fā)、疾病診斷、健康管理、醫(yī)學(xué)影像、臨床決策、醫(yī)院管理、便攜設(shè)備、康復(fù)醫(yī)療、生物醫(yī)學(xué)等領(lǐng)域已有不少AI成功應(yīng)用的案例[1]。本文將重點介紹AI在惡性腫瘤放療領(lǐng)域中的應(yīng)用與前景。

1 AI的定義、發(fā)展概況

基因工程、納米科學(xué)、AI被稱為21世紀(jì)三大尖端技術(shù)。AI是研究如何在機(jī)器（計算機(jī)）上實現(xiàn)人類智能的一門學(xué)科，是計算機(jī)科學(xué)的一個分支[2]。計算能力的提高、算法研究的突破以及大量數(shù)據(jù)的積累，為AI在醫(yī)學(xué)中的應(yīng)用奠定了基礎(chǔ)?！癆I”這個詞最早是約翰·麥卡錫1956年在達(dá)特矛斯會議上提出的，是指能模擬人類思考和判斷等智力工作的人造裝置。近年來，AI技術(shù)與應(yīng)用呈飛速發(fā)展趨勢。2016年8月，IBM宣稱AI標(biāo)志性產(chǎn)品WATSON在日本東京僅用10min的時間確診了1例60多歲的罕見白血病患者，并給出了治療方案。

AI分為弱AI、強(qiáng)AI及超級智能。弱AI只不過看起來像是智能，但并不真正擁有智能，也不會有自主意識，只是幫助人類完成某些任務(wù)的工具或助理。強(qiáng)AI是基于心智的計算模型，以通用數(shù)字計算機(jī)為載體的AI程序可以像人類一樣認(rèn)知和思考，達(dá)到或超過人類智能水平。強(qiáng)AI分為兩類：（1）類似人的AI，即機(jī)器的思考和推理像人的思維一樣；（2）非類似人的AI，即機(jī)器與人有完全不一樣的知覺、意識及推理方式。超級智能是強(qiáng)AI的更高端版，英國牛津大學(xué)人類未來研究院的尼克·波斯特洛姆[3]認(rèn)為超級智能幾乎能在所有領(lǐng)域遠(yuǎn)遠(yuǎn)超過人類。目前，主流科研集中在弱AI上，在這一研究領(lǐng)域已取得了可觀的成就，而強(qiáng)AI的研究仍在不斷探索中。

2006年以來，AI在語音識別、圖像識別及自然語言處理方面取得了很大進(jìn)展。微軟亞洲研究院運(yùn)用深度神經(jīng)網(wǎng)絡(luò)開發(fā)了全自動同聲傳譯系統(tǒng)；2012年，Yann LeCun運(yùn)用卷積神經(jīng)網(wǎng)絡(luò)在ImageNet圖像識別大賽中取得了最好成績[4]；2015年，美國伊利諾伊大學(xué)研究小組將一些世界上最好的AI系統(tǒng)與人類智商進(jìn)行比較，試驗表明AI的智力已達(dá)到4歲兒童水平。麻省理工大學(xué)研究人員開發(fā)的AI系統(tǒng)Concept Net也與人類智商進(jìn)行比較，結(jié)果發(fā)現(xiàn)AI系統(tǒng)在詞匯和相似性方面占有絕對優(yōu)勢，但在推理和理解方面則差強(qiáng)人意。目前，人們與智能手機(jī)近半數(shù)的交互都通過蘋果Siri、微軟Cortana和谷歌Google Now等語音助手完成。有專家認(rèn)為，AI在學(xué)習(xí)能力和自然語言能力上的不斷提升會導(dǎo)致它們在今后幾年里擁有與人類一樣的思維，隨著AI的快速發(fā)展，人類的很多職業(yè)將面臨巨大挑戰(zhàn)，未來職業(yè)變遷速度也會加快。

2017年1月，美國FDA首次批準(zhǔn)了一款心臟核磁共振影像AI分析的軟件用于治療多種心血管疾病，包括先天性心臟病、主動脈或心臟瓣膜疾病等。2017年2月，AI在疾病診斷領(lǐng)域的應(yīng)用更是兩度登上《自然》雜志：一是發(fā)現(xiàn)利用基于深度學(xué)習(xí)的圖片識別技術(shù)，AI診斷皮膚癌的準(zhǔn)確率及靈敏度均達(dá)到甚至超過專業(yè)醫(yī)師水平；二是通過深度學(xué)習(xí)算法，AI在兒童自閉癥早期診斷上以88%的準(zhǔn)確率完勝醫(yī)生50%的傳統(tǒng)行為問卷調(diào)查法。2017年3月，權(quán)威雜志《科學(xué)》刊登了中國陸軍軍醫(yī)大學(xué)的最新研究結(jié)果，利用AI在30s內(nèi)可鑒定血型且準(zhǔn)確率超過99.9%。AI正以超乎我們預(yù)想的速度飛快發(fā)展，并將相關(guān)研究推向高潮，讓AI真正落地醫(yī)院并為患者服務(wù)。2017年全國兩會首次將AI寫入政府工作報告，AI成為當(dāng)下最炙手可熱的名詞及領(lǐng)域。

2 AI在惡性腫瘤放療中的應(yīng)用與前景

按研究內(nèi)容不同，AI可歸納為專家系統(tǒng)、智能機(jī)器人、計算機(jī)視覺及應(yīng)用、計算機(jī)語音識別及處理、智能控制系統(tǒng)、圖像識別與理解、自然語音理解等幾個方面。AI之所以具有如此大的吸引力，不僅在于它取得的各項成就，更在于它的巨大發(fā)展?jié)摿?。智能計算機(jī)醫(yī)院管理系統(tǒng)、智能醫(yī)療診斷專家系統(tǒng)、智能手術(shù)機(jī)器人等AI技術(shù)已為醫(yī)療領(lǐng)域帶來了革命性變化。近年來，AI技術(shù)在惡性腫瘤放療領(lǐng)域中應(yīng)用的問題也得到了放療學(xué)界前所未有的重視，許多國內(nèi)外的大型公司、頂尖學(xué)者都在開展相關(guān)開發(fā)與研究。

2.1 惡性腫瘤放療靶區(qū)和危及器官智能化自動化勾畫 惡性腫瘤放療靶區(qū)和危及器官的勾畫占用了放療科醫(yī)生大量的時間和精力。每例腫瘤患者在CT模擬定位后，圖像平均在200張左右，醫(yī)生在勾畫的時候需要給每層圖像的腫瘤病灶、重要危及器官進(jìn)行逐層勾畫標(biāo)注。這個過程按照傳統(tǒng)的方法要耗費(fèi)醫(yī)生3～5h。如果患者放療中復(fù)查，腫瘤大小或位置有了明顯變化，還需要對患者再次定位掃描后重新勾畫腫瘤靶區(qū)和危及器官。腫瘤靶區(qū)和危及器官的勾畫蘊(yùn)含了腫瘤放療醫(yī)師的學(xué)識，在體現(xiàn)技術(shù)含量的同時也包含了大量的重復(fù)工作。目前腫瘤發(fā)病率和病死率都在逐年攀升，而放療人才和設(shè)備不足是普遍問題。在勾畫速度、準(zhǔn)確性和適應(yīng)性保障的前提下，如果能建立腫瘤靶區(qū)和危及器官勾畫自動化智能化模型，將能有效提高醫(yī)師工作效率。

當(dāng)前市場上有多個是基于靶區(qū)庫（Atlas-based）的靶區(qū)自動勾畫產(chǎn)品。近期，谷歌聯(lián)手英國國家醫(yī)療服務(wù)體系（NHS）開發(fā)了一套AI靶區(qū)勾畫體系，通過機(jī)器學(xué)習(xí)，自動勾畫頭頸部腫瘤病灶。靶區(qū)智能勾畫有傳統(tǒng)的非先驗依賴性模式（主要依賴體素強(qiáng)度和/或圖像梯度）、先驗依賴性模式（Atlas based segmentation）、復(fù)合型智能靶區(qū)勾畫等3種模式。國內(nèi)四川大學(xué)正在研發(fā)基于深度卷積神經(jīng)網(wǎng)絡(luò)的靶區(qū)勾畫。腫瘤放療靶區(qū)和危及器官智能化、自動化勾畫步驟一般包括以下3個方面：（1）腫瘤多模態(tài)（式）影像重建、去噪、增強(qiáng)、配準(zhǔn)、融合等預(yù)處理；（2）腫瘤影像特征自動提取：自動地從預(yù)處理后的 CT、錐形束 CT（CBCT）、MRI、正電子發(fā)射計算機(jī)斷層顯像（PET）和（或）超聲等多模態(tài)（式）腫瘤醫(yī)學(xué)圖像數(shù)據(jù)中提取1個或多個腫瘤影像組（紋理特征譜）信息[5]；（3）采用深度學(xué)習(xí)、機(jī)器學(xué)習(xí)、AI、區(qū)域生長、圖論（隨機(jī)游走）、幾何水平集和（或）統(tǒng)計理論方法，進(jìn)行腫瘤放射治療靶區(qū)和危及器官的智能化、自動化勾畫[6]。目前Pinnacle等運(yùn)用Atlas模板庫初步實現(xiàn)了感興趣區(qū)域（ROI）自動勾畫。輪廓的智能提取將是自動勾畫的發(fā)展方向。

2.2 建立AI化的放射治療計劃模型 AI是計算機(jī)學(xué)科的一個分支，對于繁重的重復(fù)勞動、計算及大量記憶來說，計算機(jī)比人腦更能勝任，且比人腦做得更快、更好。特別是在記憶量大的病歷資料、醫(yī)學(xué)文獻(xiàn)、教科書、臨床指南、藥物說明書、影像圖片、病理切片、腫瘤靶區(qū)和危及器官勾畫、放療計劃設(shè)計系統(tǒng)（TPS）等方面，AI機(jī)器人要更勝一籌[7]。醫(yī)生掌握這些知識，可能需要幾年甚至幾十年的時間，而且要堅持不斷地學(xué)習(xí)，而AI系統(tǒng)只需要輸入大量醫(yī)學(xué)信息和數(shù)據(jù)進(jìn)行不斷更新就可以了。谷歌、谷歌大腦與Verily公司聯(lián)合開發(fā)了一款能用來診斷乳腺癌的AI，通過將病理切片處理成數(shù)碼圖像的方式，提供大量腫瘤組織和正常組織的病理切片供這款A(yù)I學(xué)習(xí)，與1位資深病理學(xué)家共同分析130張切片，病理學(xué)家用時30h，依然以73.3%的準(zhǔn)確率敗給準(zhǔn)確率達(dá)88.5%的AI[8]。在相同數(shù)量上，AI憑借高效率及高質(zhì)量戰(zhàn)勝了人腦。目前常規(guī)放療計劃系統(tǒng)的自動化程度不高，人為的不確定性因素較多?；诿商乜_等高效劑量算法，應(yīng)用深度機(jī)器學(xué)習(xí)，建立患者個體特性與劑量學(xué)特性的關(guān)聯(lián)模型，自動預(yù)測劑量學(xué)目標(biāo)，并引導(dǎo)后續(xù)優(yōu)化，實現(xiàn)放療計劃的自動設(shè)計，并以智能放療計劃系統(tǒng)功能模塊為基礎(chǔ)、計劃設(shè)計流程為依據(jù)，實現(xiàn)“云化”放療計劃系統(tǒng)[9]。瓦里安基于AI的放療計劃商用系統(tǒng)Rapid Plan將機(jī)器學(xué)習(xí)技術(shù)應(yīng)用于放療計劃設(shè)計，效率明顯優(yōu)于人工設(shè)計。瓦里安醫(yī)療系統(tǒng)的Eclipse治療計劃軟件在2017年9月的國際放療計劃大賽中獲取高分，實現(xiàn)了基于計劃數(shù)據(jù)庫和計劃劑量學(xué)預(yù)測模型的智能放療計劃設(shè)計。近年來，國內(nèi)熱衷于這方面的研發(fā)，但尚處于起步階段。醫(yī)生個人技術(shù)水平的高低會導(dǎo)致放療計劃的優(yōu)劣差異，通過AI可以彌補(bǔ)經(jīng)驗欠缺醫(yī)師的不足，年輕醫(yī)生也可以從AI化的放療計劃系統(tǒng)中得到學(xué)習(xí)及提高。

2.3 建立基于互聯(lián)網(wǎng)+的放射治療遠(yuǎn)程智能化質(zhì)控系統(tǒng) 癌癥嚴(yán)重威脅著人類健康，2015年我國新確診癌癥患者已達(dá)429.2萬例。放射治療是癌癥的主要治療手段之一，約70%的腫瘤患者在病程不同階段需接受放療。腫瘤發(fā)病率和病死率逐年上升，而我國放療人才和設(shè)備嚴(yán)重不足、區(qū)域發(fā)展不平衡、各層級放療水平參差不齊、分級診療難以落實，這些因素均對我國的放射治療服務(wù)質(zhì)量與模式提出了嚴(yán)峻的挑戰(zhàn)，如何盡快實現(xiàn)患者在本地接受高質(zhì)量的放療是我國當(dāng)前亟待解決的重大問題。許多國內(nèi)的大型研究性醫(yī)院，具有人才、設(shè)備、技術(shù)、服務(wù)、數(shù)據(jù)等多方面的優(yōu)勢，利用前沿技術(shù)，建立基于大數(shù)據(jù)與AI的、分層次、多功能的遠(yuǎn)程放療服務(wù)體系和新模式，以遠(yuǎn)程放療服務(wù)為中心、信息安全為保障，建立集人員培訓(xùn)、遠(yuǎn)程支持、自動質(zhì)控于一體的放療平臺，建立互聯(lián)網(wǎng)+、云TPS的放療共享服務(wù)模式，建立TPS智能分析中心，組建放療服務(wù)團(tuán)隊和運(yùn)維團(tuán)隊，制定規(guī)章制度及醫(yī)療質(zhì)控體系，以滿足不同層級醫(yī)院應(yīng)用需求是目前發(fā)展方向[10-11]。建立以云平臺為載體，研究型醫(yī)院為依托，基層醫(yī)院為服務(wù)對象的省-市-縣三級智能化、規(guī)范化的放射治療遠(yuǎn)程質(zhì)量控制體系，及時為基層醫(yī)院的放療科提供良好的放射治療計劃設(shè)計、實時治療驗證解決方案，建立人機(jī)結(jié)合的服務(wù)團(tuán)隊，制定各種設(shè)備、不同層級醫(yī)院間的工作流程和規(guī)范，具有重要現(xiàn)實意義。

3 AI+放射治療的發(fā)展前景

AI是未來人類醫(yī)療的一個發(fā)展方向和趨勢，在醫(yī)療領(lǐng)域?qū)砟芊袢〈t(yī)生，我們將拭目以待。但AI肯定能很好地輔佐醫(yī)生，緩解醫(yī)療的壓力，減輕醫(yī)生的工作量，提高醫(yī)療服務(wù)的質(zhì)量，不斷促進(jìn)醫(yī)學(xué)的進(jìn)步與發(fā)展。基于AI自動放療相關(guān)的AI和大數(shù)據(jù)技術(shù)可以減少人工干預(yù)，能明顯提高放療效率。影像相關(guān)的配準(zhǔn)、分割和劑量優(yōu)化等技術(shù)是進(jìn)行自動化放療的核心技術(shù)，高性能計算平臺是臨床大量開展AI自動化放療方法的設(shè)備保證，高質(zhì)量和海量數(shù)據(jù)是提高AI能力的基礎(chǔ)，大數(shù)據(jù)+AI+云計算則構(gòu)成了信息新時代的三駕馬車。多種前沿科學(xué)在這個平臺上能夠進(jìn)行交叉融合，醫(yī)學(xué)同時也可以作為一個出口，承接多種前沿技術(shù)的轉(zhuǎn)化和應(yīng)用。優(yōu)質(zhì)放療資源共享，提升基層醫(yī)療機(jī)構(gòu)放療能力，眾多腫瘤患者一定能夠享有優(yōu)質(zhì)可及的放療服務(wù)。

AI的核心能力實際上是人類自身已擁有的能力，但與人類相比，最大優(yōu)勢在于計算能力的高效，尤其在數(shù)據(jù)密集型、知識密集型、腦力勞動密集型行業(yè)領(lǐng)域。所以，AI對醫(yī)生并不是簡單的替代，而是幫助醫(yī)生從繁重的低技術(shù)勞動中解放出來，把精力和時間放在提升專業(yè)技能、為患者提供更好的服務(wù)上。

[1]孔祥溢,王任直．人工智能及在醫(yī)療領(lǐng)域的應(yīng)用[J]．醫(yī)學(xué)信息學(xué)雜志,2016,37(11):1-5．

[2]張遠(yuǎn)望．人工智能與應(yīng)用[J]．中國科技縱橫,2015(20):22．

[3]尼克·波斯特洛姆．超級智能：路線圖、危險性與應(yīng)對策略[M]．張體偉,張玉青,譯．北京:中信出版社,2015:120-200．

[4]陳自富．強(qiáng)人工智能和超級智能：技術(shù)合理性及其批判[J]．科學(xué)與管理,2016,36(5):25-33．

[5]Arridge SR,Schweige M．Image reconstruction in optical tomography[J]．Philosophical Transactions of the Royal Society of London,1997,29,352(1354):717-726．

[6]Morrison JJ,Hostetter J,Wang K,et al．Data-Driven Decision Support for Radiologists:Re-using the National Lung Screening Trial Dataset for Pulmonary Nodule Management[J]．J Digit Imaging,2015,28(1):18-23．

[7]Nwankwo O,Mekdash H,Wenz F,et al．Knowledge-based radiation therapy(KBRT)treatment planning versus planning by experts:validation of a KBRT algorithm for prostate cancer treat-ment planning[J]．Radiat Oncol,2015,10(1):111．

[8]Schubert C,Waletzko O,Weiss C,et al．Intercenter validation of a knowledge based model for automated planning of volumetric modulated arc therapy for prostate cancer．The experience of the German Rapid Plan Consortium[J]．PLoS One,2017,12(5):e0178034．

[9]Ibragimov B．Segmentation of organs-at-risks in head and neck CT images using convolutional neural networks[J]．Medical Physics,2017,44(2):547．

[10]Bibault JE,Giraud P,Burgun A．Big Data and machine learning in radiation oncology:State of the artand future prospects[J]．Cancer Letters,2016,382(1):110-117．

[11]Benedict SH,Hoffman K,Martel MK,et al．Overview of the American Society for Radiation Oncology-National Institutes of Health-American Association of Physicists in Medicine Workshop 2015:Exploring Opportunities for Radiation Oncology in the Era of Big Data[J]．Int J Radiat Oncol Biol Phys,2016,95(3):873-879．