行业动态
随着医学技术的进步，人类的疾病在过去百年间持续发生着变化。100年前，肺结核、恶性细菌感染还是致死率极高的疾病，1928年青霉素被发现之后，这类疾病被有效控制。彼时，心脑血管疾病逐渐成为死亡率最高的疾病。20世纪70年代末，降压药、降脂药、抗凝药等新药陆续研发上市，使绝大多数心脑血管疾病被有效控制。而后，恶性肿瘤成为了医学界重点攻克的疑难病症之一。
在恶性肿瘤治疗方法的历史发展与演变过程中，肿瘤外科学、肿瘤放射治疗学、肿瘤化学药物治疗学逐渐构成了现代肿瘤治疗学的三大支柱。目前，AI技术已经在肿瘤放射治疗领域大显身手，下面让我们一起来了解一下，AI技术是如何应用在肿瘤放射治疗过程中的。
一、放疗计划制定更合理
临床上制定放疗治疗计划非常耗费时间，而且计划的质量也参差不齐。放疗医生和物理师常常需要对治疗计划进行讨论和反复修改。面对复杂病患，一个物理师每天只能为4-5个患者制定计划。但使用AI辅助，一个物理师每天可能可以为几十个患者，甚至能够为多个不同的医院做贡献。让AI学习优秀的放疗医生和物理师的经验，再用AI自动高效地完成治疗计划的制定。这不仅能解决物理师短缺的问题，还能缩小医疗资源的差距，实现医疗质量的同质化。
目前，放疗巨头瓦里安和医疗科技公司RaySearch都开发了能自动制定治疗计划的AI。瓦里安大中华区总裁张晓博士在接受采访时还曾透露过：“瓦里安正采取两步走的办法，一是多渠道培养人才，二是提高人工智能效率。”据了解，2008年至今瓦里安在国内已培训了1.5万人次放疗专业人才。“使用了人工智能软件制定的放疗计划方案，基本上超过目前80%物理师的人工计划水平，这可提高整个科室的同质化水平。”在张晓看来，这就是人工智能的一大特点，不是战胜所有人，也不是比最优秀的人更优秀，而是向最优秀的人学习，来帮助提升整体同质化水平。此外，现在放疗领域的一大热点是采用更加清晰的MRI图像，但做放疗计划需要电子密度的信息，CT图像会更适合。现在有研究人员尝试利用AI实现MRI和CT图像之间的转化。还有研究人员尝试用AI把四维CT图像转化为核医学图像，用以诊断肺部功能性的问题。
二、放疗设备更高效
目前常规放疗流程是：先通过CT、MR（磁共振）等影像设备确定肿瘤的位置、大小和形状等，放疗医生根据上述影像结果在病人体表或者是计算机上标出需要照射的部位，再由专门的医学物理师制定相应的放疗计划，并根据治疗方案做定位测试、质量控制工作来进一步优化治疗方案，经过验证的放疗计划会传输到放疗设备所在的治疗室对病人进行治疗。患者拍片获取CT、MR、PET等医学影像信息，一个过程下来通常需要2-3天，最快也要1天并且通常放疗一个疗程需要20-30次治疗，在这个过程中肿瘤状态与病人体质情况等或许已经发生了变化，但使用的放疗计划常常保持不变，始终根据疗程开始前的肿瘤影像。
而瓦里安的全新Ethos™智慧放疗平台率先实现了多模态在线自适应放射治疗，在AI技术驱动下，自动融合MR、CT、PET多模态影像，从初始计划设计、在线自适应治疗过程、到治疗监测，总时间从10小时压缩到15分钟。Ethos™智慧放疗平台的每一次治疗都能够根据患者解剖位置和形状变化来调整治疗方案，为每位患者实现个体化、精准化的治疗。Ethos™智慧放疗平台将肿瘤中心的工作效率和治疗能力推升到全新的高度，真正意义上开启了肿瘤个性化放射治疗的新时代。“CT擅长骨组织的检查，MR可以清晰看到软组织的成像，PET-CT是反映分子水平代谢信息的影像检查。每一种影像都有特殊的用处，人工智能驱动的Ethos平台具备智慧整合这3种检测方式信息的能力。”张晓说。在人工智能驱动下，Ethos智慧放疗平台可以实现自适应放疗，根据肿瘤形状、细胞特征以及周围器官改变而移动的肿瘤位置来进行调整，整个疗程中的每一次治疗都依据患者最新的肿瘤信息进行，极大避免了在1个疗程治疗中后期对已经痊愈的健康组织的伤害，最大限度保护正常组织。2020年2月，瓦里安宣布其Ethos™智慧放疗平台获得FDA批准上市。
三、放疗靶区勾画更精准
病变器官的正确定位与准确勾画是放疗计划运作的基础和关键。其分割的准确程度直接影响到后续放疗计划设计的准确度和放疗的效果。按照传统方法对影像进行勾画，需耗费大量时间。应用AI技术勾画靶区不仅能大幅提高效率还能避免由于靶区勾画的不准确导致的无效治疗。美国的一项对放疗患者的长期跟踪研究表明，在大医院和小医院进行放疗的存活率存在明显差距。而这种差距，一个主要原因是医生对器官分割的精准性，和对靶区勾画的专业性。美国西南医学中心MAIA Lab研究成果显示对于主要器官(OAR)的勾画，专家勾画与AI勾画的重合程度(Dice Index)目前是85%左右（在临床应用上，Dice Index到80%以上就很好了）。但是，靶区勾画的实现难度会稍大一些。因为每位医生的经历和经验不同，具体的治疗方案也会不同，很难有统一的标准。据了解，目前，AI智能勾画靶区已经成功运用在肺癌、乳腺癌、鼻咽癌、肝癌、前列腺癌、食管癌和皮肤癌上。
四、放疗毒性评估更智能
目前临床上预测放疗的毒性是在给出剂量分布后，通过一些指标评估预测放疗的毒性，比如平均剂量大于多少会产生临床上无法接受的毒性。使用深度学习模型可以代替这些旧的指标，不再依靠仅有的几个参数做临床决定。比如如何预测肝癌肺癌放疗可能产生的副作用。用深度学习模型可替代现有的诺模图， 从而实现准确度更高的个体化预测。斯坦福大学的研究人员用大量病人的影像、治疗计划和治疗后的毒性等数据，构建了世界上第一个基于深度学习的肝癌放疗模型。它可以方便准确地对新病人的预后进行预测。和实际临床观测到的预后相比发现，深度学习的预测要比现有模型要准确得多。