0
AI掘金志（公眾號）：雷鋒網(wǎng)旗下只專注于報道AI商業(yè)化與落地的垂直內容頻道。助力“AI技術輸出者”尋找商業(yè)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(tǒng)機構的合作案例。
2.剖析各地醫(yī)院、銀行、制造企業(yè)、零售商、政府部門等傳統(tǒng)機構對AI的需求與實際應用情況。
近日，英國國家醫(yī)療服務體系（NHS）與英特爾正式建立合作關系，利用 AI 來提高癌癥檢測的效率。
絕大多數(shù)情況系，當患者在發(fā)現(xiàn)癌癥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(yī)院 NHS 信托合作，用 AI 對癌細胞進行分類。
AI 在癌癥診療中的研究與應用其實已進展多年，去年美國休斯頓衛(wèi)理公會醫(yī)院的研究人員開發(fā)的 AI 軟件，能幫助醫(yī)生非常準確和快速地診斷乳腺癌，具體實現(xiàn)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(yī)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(fā)的一款軟件僅需要花費 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(shù)據(jù)和人工智能設計的解決方案已經(jīng)在幫助人類診斷癌癥。
據(jù)悉，此次英國國家醫(yī)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(jù)數(shù)千種人體組織細胞建立已知腫瘤和免疫細胞的數(shù)據(jù)庫，然后再利用算法和癌癥信息數(shù)據(jù)庫自動識別癌細胞。
考文垂及沃里克大學醫(yī)院 NHS 信托卓越中心主任、細胞病理學臨床醫(yī)師主管 David Snead 教授指出：研究員和醫(yī)生都知道用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。
隨后，他們與阿蘭圖靈研究所簽訂了一項利用數(shù)據(jù)挖掘和人工智能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(tǒng)采用英特爾 Xeon 處理器，并建立在 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(zhàn)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(yōu)化數(shù)字病理圖像分析軟件以及將我們實驗室開發(fā)出來的某些最先進的技術應用到計算機輔助診斷和癌癥檢測中。”
當下，大數(shù)據(jù)和人工智能正在不斷滲入到癌癥領域，當然，現(xiàn)在仍舊面臨一定的難題，AI 雖有著強大的數(shù)據(jù)分析能力和影像識別能力，但是在精準醫(yī)療中的作用其實非常有限。
雷鋒網(wǎng)了解到，之前《Nature》中有文章稱：癌癥的精準治療是一個有待證明的假說。有研究機構對美國 MD 安德森癌癥中心登記的 2600 名癌癥病人和美國國立癌癥研究所登記的 795 癌癥病人進行研究，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，而后者的比率則僅有 2% 。
據(jù)悉，經(jīng)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，由于藥物有限，只有 3%~13% 的病人能夠找到精準治療的藥物。
如果研究員不依賴于基因組、基因差異和生物學標記來識別、診斷癌癥并制定相應的方案，就無法教會人工智能做同樣的工作。
現(xiàn)在英、美、德三國的研究人員已經(jīng)在進行相差的研究，即教會 AI 識別癌癥。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，目前做法采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(wèi)生研究所（NIH）主任研究員小林久隆共同研發(fā)的熒光劑為例，醫(yī)生只要向懷疑有癌細胞的部位噴灑熒光噴霧劑后，幾分鐘后癌細胞部位就會發(fā)出反射光。
濟生會福岡綜合醫(yī)院乳腺外科主任上尾裕紀和乳腺外科醫(yī)生上尾裕昭、九州大學別府醫(yī)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灑無色液體試劑之后，一兩分鐘后癌細胞部位就開始發(fā)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(chǎn)生反應發(fā)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(fā)射熒光，一旦它與癌細胞表面的蛋白質分解酶（GGT）相遇分解后很快就發(fā)出熒光。經(jīng)過對數(shù)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(jù)臨床經(jīng)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采用染色劑的方式，而是改用數(shù)據(jù)輸入。讓算法分析多種細胞樣本的特征。經(jīng)過數(shù)據(jù)積累和模型訓練后，可快速在細胞群中識別出目標細胞，并這類細胞處在其生命周期的哪個階段，從而診斷癌癥。
除了醫(yī)療機構外，科技巨頭們也紛紛投入到癌癥研究中，其中微軟和英偉達均已提出明確的戰(zhàn)略。而就在上周，Google 醫(yī)學博士 Lily Peng 在醫(yī)療大會上表示，谷歌利用深度學習在癌癥檢測上可以通過活檢圖像來定位癌細胞的位置，進行醫(yī)療指導。
從整體趨勢判斷，未來也將會有更多企業(yè)進軍這個領域。
更多關于人工智能升級傳統(tǒng)行業(yè)的文章，請關注雷鋒網(wǎng)AI商業(yè)化垂直微信公眾號：AI掘金志。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉載。詳情見轉載須知。
