英國國家醫療服務體系聯手英特爾，利用 AI 提高癌症檢測效率

AI掘金志（公眾號）：雷鋒網旗下只專註於報道AI商業化與落地的垂直內容頻道。助力「AI技術輸出者」尋找商業潛力大的落地場景，服務「AI技術消費者」選擇適合自身的技術供應商。

AI掘金志主要推送兩類文章：

1.深入挖掘AI公司與傳統機構的合作案例。

2.剖析各地醫院、銀行、製造企業、零售商、政府部門等傳統機構對AI的需求與實際應用情況。

近日，英國國家醫療服務體系（NHS）與英特爾正式建立合作關係，利用 AI 來提高癌症檢測的效率。

絕大多數情況系，當患者在發現癌症時就已錯過最佳治療時機。針對這一痛點，英特爾與英國華威大學、考文垂及沃里克大學醫院 NHS 信託合作，用 AI 對癌細胞進行分類。

AI 在癌症診療中的研究與應用其實已進展多年，去年美國休斯頓衛理公會醫院的研究人員開發的 AI 軟體，能幫助醫生非常準確和快速地診斷乳腺癌，具體實現方式是讀取乳腺 X 線影像結果，在短時間內回顧幾百萬份紀錄，通過解讀病人的乳腺 X 線影像結果幫助醫生確定病人患乳腺癌的風險，減少不必要的活檢。

除此之外，日本研究員開發的一款軟體僅需要花費 10 分即可對來自 2000 萬個臨床腫瘤研究所提供的女性遺傳信息進行對比分析，從而準確診斷出女性患者所患的罕見類型的白血病。

總體而言，依賴大數據和人工智慧設計的解決方案已經在幫助人類診斷癌症。

據悉，此次英國國家醫療服務體系與英特爾的合作中，華威大學的組織影像分析（TIA）實驗室的研究員在 Nasir Rajpoot 教授的帶領下根據數千種人體組織細胞建立已知腫瘤和免疫細胞的資料庫，然後再利用演算法和癌症信息資料庫自動識別癌細胞。

考文垂及沃里克大學醫院 NHS 信託卓越中心主任、細胞病理學臨床醫師主管 David Snead 教授指出：研究員和醫生都知道用演算法分析細胞的速度比人類更快，將這項技術應用到實際工作中可以更好地為患者服務。

隨後，他們與阿蘭圖靈研究所簽訂了一項利用數據挖掘和人工智慧訓練細胞識別模型的合作項目，初步研究方向將集中在肺癌上。該系統採用英特爾 Xeon 處理器，並建立在 TensorFlow 等深度學習開源框架上。

拉吉普特教授稱：「我們很高興能在英特爾和阿蘭圖靈研究所的戰略合作框架下與英特爾合作。我們將通過這項合作從世界級計算機科學技術中受益，最終目的是優化數字病理圖像分析軟體以及將我們實驗室開發出來的某些最先進的技術應用到計算機輔助診斷和癌症檢測中。」

當下，大數據和人工智慧正在不斷滲入到癌症領域，當然，現在仍舊面臨一定的難題，AI 雖有著強大的數據分析能力和影像識別能力，但是在精準醫療中的作用其實非常有限。

雷鋒網了解到，之前《Nature》中有文章稱：癌症的精準治療是一個有待證明的假說。有研究機構對美國 MD 安德森癌症中心登記的 2600 名癌症病人和美國國立癌症研究所登記的 795 癌症病人進行研究，研究結果顯示，前者只有 6.4% 的病人獲得針對特定基因突變的靶向藥物治療效果，而後者的比率則僅有 2% 。

據悉，經過測序等分子診斷分析，有 30%～50% 的病人能找到可以解釋腫瘤惡變的相關基因突變。與此同時，由於藥物有限，只有 3%~13% 的病人能夠找到精準治療的藥物。

如果研究員不依賴於基因組、基因差異和生物學標記來識別、診斷癌症並制定相應的方案，就無法教會人工智慧做同樣的工作。

現在英、美、德三國的研究人員已經在進行相差的研究，即教會 AI 識別癌症。英國斯旺西大學研究人員參與的研究可高效識別癌細胞等的不同類型的細胞。

在健康的細胞群內識別癌細胞，目前做法採用熒光劑附著在細胞內，通過顯微鏡觀察進行識別。

以東京大學藥學院教授浦野泰照和美國國立衛生研究所（NIH）主任研究員小林久隆共同研發的熒光劑為例，醫生只要向懷疑有癌細胞的部位噴洒熒光噴霧劑後，幾分鐘後癌細胞部位就會發出反射光。

濟生會福岡綜合醫院乳腺外科主任上尾裕紀和乳腺外科醫生上尾裕昭、九州大學別府醫院教授三森功士均對這種檢測試劑進行了臨床效果驗證，當他們在手術摘除下來的乳腺癌細胞組織上噴洒無色液體試劑之後，一兩分鐘後癌細胞部位就開始發出綠色的熒光，觀察使用簡易的熒光檢測裝置即可分辨。

這類熒光劑的原理是利用有機小分子物質在遇到分解蛋白質酶時會產生反應發出熒光原理，將氨基酸與熒光分子相結合形成的試劑本身是無色的，不發射熒光，一旦它與癌細胞表面的蛋白質分解酶（GGT）相遇分解後很快就發出熒光。經過對數十例乳腺腫瘤體的驗證，結果表明感光度達到 92%，特異度達到 94%，診斷效果非常好，就連隱藏在 5cm 大乳腺組織中，大小僅有 1mm 的癌細胞和淋巴結轉移也能正確識別出來。

這種方法雖然有效，但根據臨床經驗來看，使用熒光劑容易干擾細胞行為，從而影響觀察結果。

因此，研究人員開始嘗試不採用染色劑的方式，而是改用數據輸入。讓演算法分析多種細胞樣本的特徵。經過數據積累和模型訓練後，可快速在細胞群中識別出目標細胞，並這類細胞處在其生命周期的哪個階段，從而診斷癌症。

除了醫療機構外，科技巨頭們也紛紛投入到癌症研究中，其中微軟和英偉達均已提出明確的戰略。而就在上周，Google 醫學博士 Lily Peng 在醫療大會上表示，谷歌利用深度學習在癌症檢測上可以通過活檢圖像來定位癌細胞的位置，進行醫療指導。

從整體趨勢判斷，未來也將會有更多企業進軍這個領域。

更多關於人工智慧升級傳統行業的文章，請關注雷鋒網AI商業化垂直微信公眾號：AI掘金志。