自從人工智慧圖像識別於2015年首次在圖像分類任務中超越人類，日臻成熟的計算機視覺（CV）技術就跨入了「超人階段」。

在放射科和影像科這些醫學領域，能以極高準確率識別極其細微病變徵兆的AI醫療助手，即將大幅度提高疾病早期的診斷率、治癒率、和患者的生存率。

《放射學》（Radiology）最近發表的一項研究更是再一次讓人驚嘆「 AI 造福人類」：加州大學舊金山分校的研究人員將神經成像與計算機視覺系統結合後，實現了比人類專家早 6 年診斷出阿爾茲海默症的壯舉。

圖 | 阿爾茨海默症患者的大腦（左）與健康人未患此病的人的大腦（右）的進行對比。（圖源：UCSF）

阿爾茨海默症（Alzheimer』s Disease，下簡稱AD），就是人們常說的「老年痴呆症」，是一種伴隨記憶力喪失、語言能力降低、認知判斷能力下降等各種複雜情況的神經系統退行性疾病。

多數患者是在60歲之後患病，且患病風險會隨年齡增大。目前，人們沒有任何方法可以徹底的逆轉、治癒AD，但有療法可以減緩疾病的發展。可惜，這些療法均需要在早期就開始介入，否則基本無法起到作用。

所以對於患者來說，這多出來的6年很有可能意味著能否成功抑制疾病的發展，推遲病魔和死亡的到來。

AI的優勢

正電子發射斷層掃描（Positron Emission Tomography，簡稱PET）是一種核醫學臨床檢查的成像技術，可以用來測量大腦中特定分子水平。

在AD的癥狀變得嚴重之前，醫生往往會通過PET，來測量大腦中氟代脫氧葡萄糖（18 fluorodeoxyglucose，簡稱18F-FDG）的水平，從而幫助進行診斷。

由於葡萄糖是腦細胞的主要能量來源，細胞越活躍，消耗的葡萄糖就越多。當腦細胞生病甚至死亡時，它們就會消耗更少的葡萄糖，乃至最終沒有葡萄糖存在了。

圖 | 對阿爾茨海默症患者大腦的PET掃描，顯示這名患者的顳葉功能喪失。（來源：美國國家老齡問題研究所）

放射科醫生利用這些掃描尋找整個大腦，尤其是大腦額葉和頂葉的葡萄糖水平降低的情況，目的是為了檢測出阿爾茨海默症。然而，由於該病是一種慢性進行性疾病，葡萄糖的變化非常細微，很難用肉眼發現。

不過，雖然人類可能不擅長分別圖像中的細微差別，但這可是AI演算法的拿手好戲。

研究人員訓練演算法所用的數據集來自於阿爾茨海默病神經成像計劃（Alzheimer』s Disease Neuroimaging Initiative，簡稱ADNI）。在完成訓練後，演算法在兩個獨立的測試數據集上對AD的識別準確率分別達到了92%和98%。

換句話說，AI 平均在患者得到醫生的最終診斷前的75.8個月（即6年多一點），就做出了正確的診斷。

加州大學舊金山分校的研究人員Jae Ho Sohn表示，PET掃描是深度學習的一個理想應用，因為它特別擅長發現十分細微但分散的過程。相比之下，雖然人類放射科醫生非常擅長識別如腦瘤這樣微小的病灶，但人類很難發現更緩慢的、更整體性的變化。

研究人員使用了2014年，有著人工智慧「世界盃」之稱的 ImageNet 大規模視覺識別挑戰賽 —— 「ILSVRC挑戰賽」 的冠軍結構升級版本：Inception v3 模型。

它具有優良的局部拓撲結構特性，即對輸入圖像可以並行執行多個卷積運算或池化操作，並將所有輸出結果拼接為一個非常深的特徵圖。

因為 1x1、3x3 或 5x5 等不同的卷積運算與池化操作可以獲得輸入圖像的不同信息、並行處理這些運算、並結合所有結果來獲得更好的圖像表徵。

圖 | Inception 模型結構示意圖（圖源：論文）

而研究人員用於訓練的 ADNI資料庫則是一個龐大的公開數據集，收集了最終被診斷出患有阿爾茨海默症、輕度認知障礙或沒有任何障礙的患者的PET掃描數據。

演算法會自己學習哪些特徵對於診斷AD來說是重要的，哪些是不重要的。最終可以得到一個可靠的AD提前檢測模型。

研究人員相信，這種演算法具有很強的臨床適用性。他們下一步的計劃是在來自不同國家、不同醫院的更大、更多樣化的數據集上測試和校準演算法。在理想情況下，甚至需要來自各國不同類型的環境下的患者群體數據。

如果演算法能夠經受住這些測試，那麼當神經學家在為病人診斷時，就可以將其作為AD的輔助診斷工具，幫助病人更早得到他們需要的治療。

難以攻克的阿爾茨海默症

預期到2050年，全球60歲以上的老齡人口會達到21億，中國的老齡人口甚至會佔中國總人口的三分之一。衰老早已成為全球人類都要面對的一個難題。

有數據估計，目前全球約有超過4000萬的AD患者，到2050年患病人數很可能增加到1億。在美國，AD還是六大致死病因之一。數據如此驚人，我們為什麼對AD毫無對策？有許多原因：

一、難預防：在對大量已故病人的腦組織進行解剖研究後，人們發現了兩種特別常見的標誌物，分別叫做β澱粉樣蛋白（β-amyloid protein, Aβ）和神經纖維纏結（neurofibrillary tangles）。

β澱粉樣蛋白沉積和由tau蛋白構成的神經原纖維纏結，是AD最典型的病理特徵。位於神經細胞之間的是β澱粉樣蛋白斑塊，呈棕色；細胞內部像亂亂的線團一樣的是神經纖維纏結。

圖 | 正常人腦部與阿爾茲海默患者腦部對比（圖源：美國健康援助基金會網站 ）

大量的細胞壞死使腦組織出現萎縮，特別是破壞了掌管記憶的海馬體。這就不難理解為什麼病人普遍出現健忘的癥狀。當壞死和萎縮蔓延到大腦各處時，受影響的就不僅僅是記憶了，越到後期，病人的各種認知困難就越嚴重。

圖 | 腦部掃描顯示，死於阿爾茨海默氏症的患者腦組織中的澱粉狀斑塊（Amyloid plaques）（圖源：哈佛大學 YANKNER LAB）

時至今日，AD的病因和病程仍在探索中。目前唯一能確定的病因是基因突變，包含三種基因：β-澱粉樣蛋白前體 ( APP )、 衰老前素-1 ( PS1 )和衰老前素-2 ( PS2 ) 的突變。但AD患者中僅有1%是由於這一類基因突變而發病，其餘仍然還是謎團。

由於AD並非一個由單因素引起的疾病，在病因難以明確的情況下，醫學上仍然沒有可靠的方法預防AD，只能通過一些方法降低老年人的患病風險，對早期患者進行早診斷、早干預。

二、難確診：不僅難以預防，憑如今的醫學技術，要確診AD也較為困難。在出現健忘、認知功能下降等臨床癥狀後，醫生可以用CT、PET及大腦切片來輔助確診。可越來越多的證據表明，AD患者出現痴呆癥狀的前 15 - 20 年，大腦就開始出現變化了。

圖 | PET掃描下三種大腦的差異 （圖源：《科學》）

某些大腦掃描能夠檢測到這些變化，卻很難被醫生察覺出。而這也為如今利用人工智慧技術診斷AD打開了另一扇窗。

三、難治癒：目前並沒有根本性阻止或逆轉AD病程的方法。只有少數方法或許可以暫時緩解或改善癥狀。不過，近年來出現了一些看起來大有前途的藥物，但為了取得好的療效，這些治療必須在疾病的早期進行。

因為有些研究顯示，雖然我們可以在所有臨床癥狀顯現出來時做出明確的診斷。但到那時候，大腦里已經有太多的神經元死亡，這一病症從本質上講已是不可逆轉。

因此，無論從哪方面來看，想要預防、診斷和治療AD都是在與時間賽跑。越早的干預就意味著越完備的治療。如果AI能夠提前很長時間檢測出AD，患者就有望得到醫生的提前干預治療。

醫學AI研究的巨大潛力，讓我們不得不感慨，似乎實現古人所說的「治未發之病」已經有望了。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！