說(shuō)來(lái)有趣，21世紀(jì)最時(shí)髦的人工智能技術(shù)應(yīng)用于現(xiàn)代醫(yī)學(xué)，與中國(guó)幾千年流傳至今的傳統(tǒng)中醫(yī)，竟有不小的相似之處。

傳統(tǒng)中醫(yī)講究“望聞問(wèn)切”，據(jù)此積累下來(lái)千百萬(wàn)人的“醫(yī)療大數(shù)據(jù)”，再通過(guò)醫(yī)生的人腦來(lái)存儲(chǔ)、“加工”，進(jìn)而開(kāi)出藥方；而今天的智能醫(yī)療，則是給醫(yī)生加上了一個(gè)“超強(qiáng)大腦”，它能海量存儲(chǔ)、超速計(jì)算、深度學(xué)習(xí)，給人類增添了更多擺脫病魔的能力。

盡管爭(zhēng)議與困難重重，但沒(méi)人能夠否認(rèn)，人工智能、大數(shù)據(jù)等現(xiàn)代技術(shù)在醫(yī)療領(lǐng)域的應(yīng)用已成大勢(shì)所趨。

有學(xué)者這樣描述，未來(lái)的醫(yī)學(xué)影像中心好比飛機(jī)駕駛艙，是各種各樣信息的綜合體；未來(lái)醫(yī)生則相當(dāng)于飛行員，需要做的是去處理各種各樣的信息。比起擔(dān)心AI會(huì)不會(huì)終有一日取代醫(yī)生，腫瘤科的醫(yī)生已經(jīng)在想方設(shè)法與這些聰明的“助手”并肩作戰(zhàn)，在臨床上精準(zhǔn)圍獵腫瘤細(xì)胞。

更聰明、更有耐心的人工智能助手正在幫助醫(yī)生快速圍獵癌細(xì)胞。依靠核心算法、訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，人工智能可以深度學(xué)習(xí)大量已勾畫(huà)靶區(qū)和危及器官的患者數(shù)據(jù)，用模型來(lái)完成新患者靶區(qū)和危及器官的自動(dòng)勾畫(huà)。

如今，只需將患者的數(shù)據(jù)輸入電腦，就能自動(dòng)勾畫(huà)醫(yī)學(xué)圖像中腫瘤的靶區(qū)，自動(dòng)分割腫瘤與非腫瘤組織，精確勾勒放療靶區(qū)。醫(yī)生在這個(gè)基礎(chǔ)上對(duì)影像進(jìn)行審核、微調(diào)和修改，大幅減少了工作量。據(jù)介紹，目前該院測(cè)試結(jié)果顯示，人工智能自動(dòng)勾畫(huà)影像，能比純?nèi)斯す?jié)省大約70%的用時(shí)。而在一些缺乏腫瘤醫(yī)治經(jīng)驗(yàn)的基層醫(yī)院，人工智能也可以給年輕醫(yī)生提供參考，減少他們的出錯(cuò)概率。

制定腫瘤放射治療計(jì)劃需要進(jìn)行大量的計(jì)算。傳統(tǒng)計(jì)算方式速度慢、花費(fèi)時(shí)間長(zhǎng)、成本高，很大程度上要依賴物理治療師豐富的經(jīng)驗(yàn)。而這一點(diǎn)恰恰在中國(guó)是一個(gè)短板，目前我國(guó)放療物理師人才非常匱乏。數(shù)據(jù)統(tǒng)計(jì)顯示，2015年我國(guó)擁有物理師3294人，放射科腫瘤醫(yī)師與物理師比例為4.81∶1。

如果把放療對(duì)癌細(xì)胞的剿殺，看作是用洲際導(dǎo)彈轟炸目標(biāo)，那么醫(yī)生是發(fā)出目標(biāo)指令的人，而制定計(jì)劃和操作，比如導(dǎo)彈怎樣飛行、飛行的軌跡如何，都是物理師來(lái)具體完成的。甚至有人說(shuō)，在放療科可以沒(méi)有醫(yī)生但不能沒(méi)有物理師。

物理師要根據(jù)醫(yī)生要求和設(shè)備特點(diǎn)來(lái)設(shè)計(jì)合適的方案，要根據(jù)病人情況重建三維人體結(jié)構(gòu)圖，通過(guò)復(fù)雜的數(shù)學(xué)和物理運(yùn)算確定放療機(jī)器的各種參數(shù)，驗(yàn)證測(cè)量、修改和完成放療計(jì)劃，還要每天測(cè)量和校準(zhǔn)劑量，來(lái)確保放療的準(zhǔn)確性和安全性。

人工智能正在彌補(bǔ)這個(gè)短板，它可以高速分析和處理海量大數(shù)據(jù)，針對(duì)腫瘤類型、腫瘤周期、患者性別體重等參數(shù)對(duì)數(shù)據(jù)進(jìn)行劃分，幾分鐘就能自動(dòng)設(shè)計(jì)最優(yōu)放療計(jì)劃，供物理師參考。

放療、手術(shù)、化療是人類治療癌癥的三把“尖刀”。近年來(lái)，放療精準(zhǔn)度高、適應(yīng)度廣、副作用小、創(chuàng)傷較少等優(yōu)勢(shì)逐漸受到重視。然而我國(guó)醫(yī)療資源分布極不均衡。據(jù)全國(guó)第三次衛(wèi)生服務(wù)調(diào)查顯示，目前我國(guó)80%的醫(yī)療衛(wèi)生資源集中在城市，其中80%又集中在大中型醫(yī)院，而醫(yī)療衛(wèi)生服務(wù)需求大部分存在于基層。

以放療為例，在基層醫(yī)院，有的根本就沒(méi)有配置放療設(shè)備，有的雖然買(mǎi)來(lái)昂貴的設(shè)備，卻因?yàn)槿狈Ψ派淠[瘤科醫(yī)生和物理師，導(dǎo)致設(shè)備閑置，或是治療不規(guī)范效果不佳，因此患者看病依舊需要去擠大醫(yī)院。

目前，醫(yī)生們正在更深入地研究利用人工智能預(yù)測(cè)放療后的并發(fā)癥。肺癌是在中國(guó)發(fā)病率最高的癌癥，一個(gè)重要的治療手段就是放療，然而最常見(jiàn)的并發(fā)癥之一就是放射性肺炎。放射性肺炎會(huì)對(duì)患者的生活質(zhì)量造成一定影響，嚴(yán)重的甚至?xí)＜盎颊呱?，但目前沒(méi)有有效預(yù)測(cè)放射性肺炎發(fā)生的方法。一般來(lái)說(shuō)，現(xiàn)在預(yù)測(cè)并發(fā)癥的成功率在50%左右。目前醫(yī)生們采用人工智能和新興的放射組學(xué)結(jié)合的方法，創(chuàng)新性地建立放射性肺炎預(yù)測(cè)模型，即通過(guò)計(jì)算機(jī)深度學(xué)習(xí)方法挖掘CT圖像中隱藏的信息，比如腫瘤的紋理、密度等信息，并結(jié)合患者臨床和放療信息構(gòu)建綜合的預(yù)測(cè)模型，輔助臨床醫(yī)生調(diào)整治療方案及臨床決策。

如果發(fā)現(xiàn)某個(gè)病人發(fā)生放射性肺炎可能性高，可以及時(shí)介入，提前做一些預(yù)防措施，盡量降低放射性肺炎發(fā)生的等級(jí)，減少痛苦。一個(gè)非常理想的狀態(tài)是，給病人做幾個(gè)CT檢查之后，人工智能就可以知道病人可以存活多久、做放療的療效如何，什么時(shí)候會(huì)發(fā)生轉(zhuǎn)移，以及這個(gè)過(guò)程中產(chǎn)生的相關(guān)副反應(yīng)及其可能性有多大。