當(dāng)?shù)貢r(shí)間9月8日，于西班牙巴塞羅那召開(kāi)的2019WCLC進(jìn)入第二天，在今天的重點(diǎn)議程PlenarySession當(dāng)中，第四位出場(chǎng)的哈佛醫(yī)學(xué)院副教授、荷蘭MaastrichtUniversity大學(xué)教授HugoAerts給我們帶來(lái)了《AI在肺癌領(lǐng)域的狀況：準(zhǔn)備好實(shí)現(xiàn)了嗎？（ARTIFICIALINTELLIGENCEINLUNGCANCER:READYTOIMPLEMENT?）》，展示了目前深度學(xué)習(xí)算法AI與我們?nèi)祟?lèi)醫(yī)生還存在和已產(chǎn)生的差距……

HugoAerts教授在會(huì)上演講

我們正處于AI超過(guò)人類(lèi)的交接點(diǎn)

Aerts教授一上來(lái)就向我們展示了一張人與AI的發(fā)展藍(lán)圖，這張藍(lán)圖顯示，AI從曾經(jīng)的不如人類(lèi)到超過(guò)人類(lèi)，而我們目前的時(shí)代，正處于AI趕上人類(lèi)的交接點(diǎn)上——

Aerts教授說(shuō)，AI并不是什么特別新的東西，我們?nèi)祟?lèi)癡迷于AI好幾十年了。在這張圖上，橫坐標(biāo)代表時(shí)間，縱坐標(biāo)代表表現(xiàn)。人類(lèi)的表現(xiàn)在過(guò)去遠(yuǎn)勝于AI，而到了當(dāng)下，在一些精細(xì)化分工的任務(wù)上，AI已經(jīng)出現(xiàn)了比肩人類(lèi)甚至超越人類(lèi)的表現(xiàn)，比如讀唇語(yǔ)、駕車(chē)、震撼世界的alphaGO在圍棋較量中的表現(xiàn)，當(dāng)然，還有在醫(yī)療中——至少我們已知AI分類(lèi)皮膚癌的水平已經(jīng)比肩人類(lèi)專(zhuān)家。

而經(jīng)過(guò)了當(dāng)今這個(gè)交匯點(diǎn)，AI可能會(huì)在更多表現(xiàn)上超越人類(lèi)——按Aerts教授的說(shuō)法就是，如果人類(lèi)本來(lái)就能做得比AI更好，還要AI幫什么忙呢？因此，這種超越既是必然的也是有用的，Aerts教授認(rèn)為，AI會(huì)在廣義上以及更復(fù)雜的工作中超越人類(lèi)，比如寫(xiě)出暢銷(xiāo)小說(shuō)，以及做手術(shù)。

不過(guò)，人類(lèi)也能從超越我們的AI身上更快的學(xué)習(xí)，表現(xiàn)得比過(guò)去更好。從圖中的表現(xiàn)曲線來(lái)看，在AI超越人類(lèi)之前，人類(lèi)自身的表現(xiàn)進(jìn)步是非常緩慢的，而進(jìn)入最右邊的藍(lán)色色塊之后，人類(lèi)的表現(xiàn)進(jìn)步速度明顯加快，曲線抬升幅度有了明顯的提高。

看來(lái)，更好的AI也會(huì)讓人類(lèi)變得更好。就像Aerts教授在此點(diǎn)評(píng)的那樣：“一切都會(huì)很好……直到它們殺了我們。（It'sgonnabegreat,untiltheykillus.）”

AI腫瘤讀片快趕上人類(lèi)專(zhuān)家

不管咋樣，在能殺了人類(lèi)之前，現(xiàn)階段AI當(dāng)中最強(qiáng)力的佼佼者深度學(xué)習(xí)算法還是在老老實(shí)實(shí)學(xué)習(xí)怎么給人看病。

在腫瘤診療領(lǐng)域，目前最適合AI的是影像學(xué)。Aerts教授介紹，深度學(xué)習(xí)算法AI可以自己學(xué)習(xí)，但需要人類(lèi)示范給它看怎樣正確的判斷病情。過(guò)去老舊的AI相對(duì)機(jī)械的使用預(yù)存的專(zhuān)業(yè)知識(shí)+統(tǒng)計(jì)傾向+圖片分析+腫瘤形態(tài)等方式來(lái)對(duì)腫瘤進(jìn)行選擇分類(lèi)，如今的深度學(xué)習(xí)算法由于本質(zhì)上是在用算法模擬人類(lèi)處理信息的方式，能夠自學(xué)和分析，診斷的流程性質(zhì)和結(jié)果都已全然不同。

過(guò)去的AI和現(xiàn)在的深度學(xué)習(xí)算法原理對(duì)比

在以影像學(xué)為基礎(chǔ)的腫瘤臨床應(yīng)用中，目前深度學(xué)習(xí)算法AI參與的方向主要有三種：檢查、定性以及監(jiān)控。

在檢查中，AI的目的是在組織密度改變或出現(xiàn)非正常狀況的前提下發(fā)現(xiàn)影像學(xué)檢查中的異常，并且減少假陽(yáng)性的發(fā)生。

定性的功能包括：腫瘤圖像分割，定義異常組織的邊界，為之后的診斷和治療鋪路；診斷，對(duì)腫瘤進(jìn)行評(píng)估和分型，比如良性或惡性；分期，將腫瘤按照已有分期標(biāo)準(zhǔn)進(jìn)行分期，比如按TNM分期。

在腫瘤監(jiān)控中，AI主要目標(biāo)為在患者多次的影像學(xué)檢查的過(guò)程中動(dòng)態(tài)的評(píng)估其診斷和治療效果。

腫瘤影像學(xué)中的AI影響領(lǐng)域

除此之外，深度學(xué)習(xí)算法在臨床放療工作中也可參與應(yīng)用。Aerts教授展示了今年發(fā)表在JAMAOncology上的一個(gè)放療案例，在這個(gè)案例中，深度學(xué)習(xí)算法AI和人類(lèi)專(zhuān)家以及現(xiàn)在已經(jīng)投入到商業(yè)使用中的“自動(dòng)工具”展開(kāi)了battle，三方“比賽”在CT上準(zhǔn)確判斷放療區(qū)域，結(jié)果如下——

上圖的右圖是battle結(jié)果，最左邊是作為參照標(biāo)桿的人類(lèi)專(zhuān)家標(biāo)出的放療區(qū)域，中間是現(xiàn)在投入商業(yè)使用的自動(dòng)工具，右邊是試驗(yàn)?zāi)繕?biāo)AI?？梢钥吹?，中間的表現(xiàn)一塌糊涂，與人類(lèi)專(zhuān)家的判斷相去甚遠(yuǎn)（Aerts教授點(diǎn)評(píng)：而我們現(xiàn)在有些醫(yī)院還真的花了一大筆錢(qián)安裝了這個(gè)東西），而最右的表現(xiàn)與人類(lèi)專(zhuān)家基本一致。

更重要的是，人類(lèi)專(zhuān)家做出這樣的判斷需要1-2小時(shí)，而AI只需要幾秒鐘。Aerts教授介紹，下一步的工作將是考慮將它在臨床上正式使用，并且將應(yīng)用范圍拓展到更多癌癥。