智慧應用 影音
DTResearch
event

Salesforce:現在是醫學人工智慧激動人心的時代

人工智慧和機器學習將開創一個新的時代,有可能應用於癌症以外的疾病,並最終為患者帶來更好的療效。但我們將在未來十年展開一段旅程,透過資料數據來改善我們所做工作的各個方面。

醫生長期以來認為,腫瘤細胞包含著人類大腦無法提取的重要資訊。「人類大腦非常擅長透過觀察細胞模式來確定是否患有癌症,」Dr. David Agus說:「但它無法確定這些模式中與癌症相關的細微差異。」這意味著患者可能被診斷患有癌症,但必須等待數週分子研究的結果後,才能確定他們應該接受何種治療。

Agus博士為著名的腫瘤學家、醫學和工程學教授,Salesforce 醫學人工智慧ReceptorNet項目的發展,跟這位南加州大學勞倫斯埃里森轉譯醫學研究所的創始董事兼執行長有深度的關係。

 點擊圖片放大觀看

Dr. David Agus 南加州大學勞倫斯埃里森轉譯醫學研究所的創始董事兼執行長。

「多年來,我們團隊一直致力使用人工智慧來理解細胞的模式,並藉此做出治療決策。我們想也許可以透過AI和機器學習快速篩選找到這些分子問題的答案。」Agus博士表示。

2019年初以來,Naik和Esteva在Salesforce的團隊,一直致力在醫學和科學領域為社會公益提供AI的應用。最近,該團隊為COVID-19(新冠肺炎)建立了搜尋引擎,以協助研究人員和臨床醫生更快地找到資訊。

「與學術界相比,當人工智慧團隊擁有工業規模的運算能力和預算時,他們往往會蓬勃發展,實驗變得更加容易。」Esteva表示。

「我認為人工智慧最有影響力的應用是在醫療保健領域的研究。」研究科學家Ali Madani補充道,他曾為ReceptorNet協助提供支持的電腦視覺演算法。

準確率80%的演算法  無法滿足關鍵應用的要求

那麼,這對臨床醫生和患者意味著什麼呢?Agus博士說明,「這解決了以往患者在確診後和正式開始治療前痛苦等待的問題。」他表示這項新技術在未來使用案例:「設想一下,當一名婦女來接受診斷時,我們可以立刻告訴她應該如何治療。或者,在沒有辦法進行分子測試的第三世界國家,只要掃描一張投影片,就可能為患有乳癌的婦女開出一種控制其病情的藥錠。這可是立即性的變化。」

不過為了讓人工智慧在醫學上發揮其全部潛力,臨床醫生必須對其準確性有所信心。Salesforce研究部首席研究科學家Nikhil Naik承認:「只有80%準確率的演算法,對於關鍵性應用來說尚有不足,例如無法確定為患者作出正確的治療方案。」

ReceptorNet在測試階段,該演算法被用於未曾見過的影像上進行測試,此時激素受體測定的準確率達到92%,這顯示在未來臨床應用上的潛力。

為了確保演算法能夠提供準確的預測,無論組織樣本用哪種設備進行分析,都可以進行微小、遞增的改變;並更關鍵的是,該演算法還能夠在提供不同人口統計群體間可靠的依據。Naik說,「根據年齡、種族和地理位置等因素,對數據進行拆分分析這點,從統計上看,演算法的效能並沒有差異。」

民眾一直擔心醫療健康照護和循證醫學可能會偏向某些群體,因為在數據資料庫中的代表性數量往往不足。然而,在ReceptorNet開發過程中,研究人員能夠在各種不同群組中獲得準確的結果,這對於醫療保健專業人員建立對AI性能的信心至關重要。

產業密切合作的重要性

演算法設計過程中,Salesforce團隊與Agus博士的團隊密切合作,以確保他們能夠了解輸入模型的數據可能存在偏差。這種密切合作也助於確保團隊的目標、臨床工作流程以及臨床醫生、醫生和護士所關切的問題緊密一致。

儘管如此,團隊仍意識到並不是每個醫學專業人士都會輕易相信AI的技術。Naik說,病理學家最初是秉持懷疑的態度,並解釋說,基於H&E投影片的預測不是病理學家自己能夠做到的。然而,當他們看到演算法運作僅僅透過從成千上萬幅影像的學習就能做出這些預測,真的很驚訝。

Agus博士表示同意,「當我們第一次開始研究如何用AI和機器學習即時回答分子問題時,我們取得了一些成效。但當我們與Salesforce合作時,這些成效更為顯著。」

醫學人工智慧  長期和短期影響

從臨床角度來看,這項技術最終會帶來許多積極的影響。因為較便宜的成像技術和自動化治療方案決策,即便是在美國這樣已開發國家,仍然可以降低照護成本,縮短乳癌治療時間;還可以提高準確性,為患者提供更好的治療方案。而使用IHC染色方法受限制的開發中國家,擴大獲得治療的機會便可能產生重大影響。最直接的效果是為將來研究奠定基礎,以比較AI有介入或沒有介入的病理學家臨床工作流程,可以更好地理解其全部潛力。

Agus博士說,「這只是癌症治療中使用人工智慧的冰山一角,透過一個試驗項目以展示可行的方法,現在我們的研究愈來愈深入,可以想像不久的一天,在人工智慧的協助下,只要看一張投影片,我就可以告訴別人『因為細胞是這樣排列的,你應該是服用藥物X而不是藥物Y』。」

對於Esteva來說,該項目最令人興奮的事情之一,人工智慧不僅僅展示模仿醫生的角色。他表示:「我們實際上是訓練人工智慧去做一些醫生做不到的事情,輔助他們的治療工作。人工智慧可以看到醫生基本上看不見的模式,這對患者來說可能是至關重要的。」「讓我真正興奮的是想到,在未來的5年或10年裡,這將走向何方?醫生能夠根據醫學知識做出最佳的決定,如果你能透過利用醫生的集體智慧和醫療資料,建構出能夠協助醫生做出正確決策的人工智慧,那將是無比強大的。」

人工智慧最終也會對醫患關係會產生積極影響,藉助人工智慧的洞察力,醫生在早期治療階段便可以與患者進行更深入的治療對話,讓患者更全面、數據化地瞭解病情的治療方案和照護。


  •     按讚加入DIGITIMES智慧醫療粉絲團
更多關鍵字報導: AI Salesforce