醫療保健 AI 工具革新癌症研究
癌症是醫療領域的一座高牆，其實應該說是兩座高牆：治療患者，以及推進預防和對抗疾病的研究。此外，壽命越常，需要接受治療的患者一定會越來越多。幸好醫療保健 AI 技術日新月異，帶動了癌症研究和治療進展，而這些進展正是醫療保健與科技產業合作水乳交融的結晶。
我們來進一步瞭解其中一項夥伴關係，代表人是德國 UMG (University Medical Center Göttingen) 放射學系助理教授兼 AI 研究小組負責人 Dr. Johannes Uhlig；以及 Siemens Healthineers 數位科技與創新技術人工智慧德國部門研究科學家 Dr. André Aichert，他們的合作計畫稱為 Cancer Scout。他們為了全人類的福祉，將科技融入臨床，再將臨床經驗導入科技（影片 1）。
AI 的哪幾項進展，已經徹底改變了癌症研究？
Dr. André Aichert：AI 對整個醫療產業領域的影響不容小覷。打從第一張 X 光影像拍攝以來，Siemens Healthineers 這間公司就已經存在了；自此以後，我們就不斷致力於改善影像細節與數量。現階段，運用 AI 讓臨床醫師有機會處理現有的大量影像與資料，並且讓影像與資料充分發揮效益。目前開始使用 AI 解決方案的臨床醫師，正走在科技的尖端，並且享有科技所有的優勢。
我們正為了與 UMG 合作的 Cancer Scout 計畫分析大量不同的資料來源，而影像只是其中的一環，目標在於定義及偵測癌症的子類型。至於 Dr. Uhlig 所參與的放射學子計畫，旨在解答的問題則是：我們能否根據放射影像，認出某幾種癌症的子類型？如果答案是肯定的，那麼或許就不需要動用侵入性的切片檢查了。一般而言，我們正設法將工作流程最佳化，以及執行各式各樣的資料分析，避免不必要的侵入性手術。
Dr. Johannes Uhlig：臨床癌症影像這個領域，目前面臨幾項挑戰。其一，人口逐漸老化，相關的醫療保健需求隨之增加。此外，過去這數十年間，放射影像技術越來越普及，使用頻率也越來越高。尤其是癌症影像方面，病例數大幅攀升，我認為放射科醫師無法用傳統方式評估所有影像。
舉例來說，德國用 X 光乳房攝影篩檢乳癌。從 2018 年最近期的資料來看，有 280 萬名女性接受過乳房攝影檢查，其中 97% 的掃描影像並無異常發現。目前的配置是由兩名經驗豐富的放射科醫師，獨立評估每張乳房攝影影像。然而，文獻顯示，採用 AI 技術的乳房攝影評估方法，至少在診斷準確度方面，能夠與放射科醫師相提並論。那麼，我們可以用 AI 演算法取代第二位放射科醫師嗎？從倫理與經濟的角度來看，採用演算法是否甚至是當務之急？
而乳癌篩檢還只不過是冰山一角而已。我認為，過去十幾年來，AI 可謂是癌症研究的流行語。舉例而言，我們的研究小組持續專注於從 CT 和 MRI 影像擷取更多資訊，引導為疑似罹患腎臟癌或攝護腺癌的患者做臨床決策。我們與 Siemens Healthineers 合作 Cancer Scout 計畫時，利用 AI 演算法與 syngo.via 軟體，在肺癌患者的放射線 CT 影像與大規模隊列的病理分析之間建立關聯。希望放射影像有一天能因為 AI 演算法，在引導肺癌治療方面扮演更重要的角色。
尤其是相較於傳統方法，軟體如何輔助您的研究？
Dr. André Aichert：首先，我必須先說明一下在臨床環境研究時面臨的幾個實際問題。首先，我們會經手個資，由於歐洲有《GDPR》，美國則是《HIPAA》，因此必須非常謹慎。光是存取資料，然後達到 AI 演算法的基礎，這整個過程的規模就大得難以想像。
接著，成功的演算法多半受到監督，也就是說，演算法若要重製研究結果，就必須與臨床醫師合作，由他們提供註釋及解釋眼前的影像。因此，存取這項資料非常重要。然而，經年累月下來，臨床 IT 版圖越來越分散，不同的廠商與部門或場所各自為政，有時這些系統也無法溝通。從這些系統收集與協調資料其實勞心勞力，有時甚至非常痛苦。
舉例來說，你想在 GitHub 用最愛的免費程式跑資料。你必須確認究竟是否能使用那個軟體。然後，你必須確認，在該程式使用的資料經過匿名處理。匿名處理、匯出，然後將資料複製至你執行軟體的不同電腦。接著，你必須確保資料確實已經過匿名處理。然後你才能取得結果。不過，接下來你必須回去用原始系統整合結果，而且甚至可能是與其他 IT 系統的資訊整合。以我身為研究人員或 IT 實際使用者的身分來說，這是截然不同的過程。
再來，即使你的第一批模型已經訓練完畢，而你想用真實使用情境的資料測試模型，這可能也會是個問題。這個作法有風險，因為開發團隊是先處理臨床使用案例、開發出卓越的軟體，然後才向臨床醫師發布軟體。接著，臨床醫師在真實使用情境試用軟體，突然間卻發現某項最基本的假設有誤。
這下問題來了，你必須抓出漏洞，就跟在矽谷時一樣。你希望能有個初期原型。雖然這個原型還無法解決問題，但起碼你能將它交給臨床醫師，獲得意見反應，縮短這個意見反應的循環。這絕對是 syngo.via Frontier 能派上用場的其中一個時刻。
基本上，syngo.via Frontier 研究平台設法協助前述過程的所有步驟。這是端對端的整合式解決方案。如果在診所執行 syngo.via 設施，就能用它執行系統既有市場中套件與下載應用程式提供的資料。相較於光是取得自己的軟體，然後設法將軟體與前述過程整合，這項設施更有優勢。
您如何與 Siemens Healthineers 及其研究平台合作？
Dr. Johannes Uhlig：syngo.via 軟體與我們部門的臨床工作流程緊密結合。舉例來說，我們用這套軟體進行所有心臟 CT 掃描和冠狀動脈識別的工作，也將它當成創傷患者的即時圖片瀏覽器與重建軟體使用。它在這所有情境的表現都很穩定。另外，Cancer Scout 計畫有好幾千位患者，而且勢必得順利運作，為此，四位研究人員不眠不休賣力工作了好幾個月。我們用它進行資料累積、註釋與監督。
一站式商店對我很重要；我希望整個資料管道使用的軟體工具能越少越好。借助 syngo.via，我們只用了一套軟體，而且我們可以從自己的影像資料庫擷取資料。我們可以在切面影像註釋，並且以符合嚴格德國法規的方式匿名處理案例。
這項計畫與大學合作的重要性為何？
Dr. André Aichert：合作絕對是不可或缺的一環。沒有 Dr. Uhlig 這樣的臨床研究人員願意跟我們合作交流，並且說明他們面臨的問題，我們很難在這個領域取得任何進展。另外，我身為 AI 研究人員，必須稍微瞭解一下現有的臨床問題。
然而，使用配合臨床醫師日常工作的軟體也同樣重要，還有用醫師能分門別類或是區分地點與幾何資料的方式呈現資料也是。因此一定要整合及定義合情合理的註釋通訊協定。
您想像這項計畫的未來是什麼樣子？
Dr. Johannes Uhlig：我們建置的 AI 演算法一定要在臨床環境中接受評估與訓練。演算法必須處理不盡如意的掃描影像，還必須搭配不同的掃描機類型以及與不同的患者配合。然而，正如 André 所說，演算法還必須獲得放射科醫師與臨床醫師認可。呈現 AI 結果最好的方法是什麼？如何將結果視覺化？如何回報異常值？不過，基於互信，我相信 UMG 和 Siemens Healthineers 將合作找到克服這些難題的方法。
Dr. André Aichert：模型後續的必要步驟之一，絕對是瞭解其他場所，而可擴充能力則是這方面的關鍵。我們已經使用稱為 teamplay 的解決方案從 UMG 收集資料，從其他場所收集以相似方式產生的資料時也可以派上用場。這樣一來，我們能夠整合或支援與 UMG 截然不同的地點的不同 IT 基礎架構。
您最後可以幫我們總結一下嗎？
Dr. André Aichert：醫療領域令 AI 研究人員十分雀躍。問題五花八門，成像設備和影像也非常多樣化。為了最終能開發與部署應用程式，一定要能在支援這個迭代過程的各種醫療領域分享知識與資料及促進合作。
Dr. Johannes Uhlig：對我這樣的臨床醫師來說，我認為 AI 確實是未來。我推測，有鑑於案件數量龐大，未來 10 年絕對不可能不使用 AI 演算法作業。此外，我必須強調，AI 研究是團隊工作。UMG 這樣的學術機構和 Siemens Healthineers 這類製造商必須合作，才能帶動醫療保健發展，這點對處於緊要關頭的癌症影像領域來說格外重要。唯有持續不斷相互提供意見反應、調整與微調，我們才能打造出既準確又獲得醫療保健專業人士認可的 AI 工具。
相關內容
若要進一步瞭解 AI 轉型，請收聽癌症研究用的醫療保健 AI：Siemens Healthineers，以及閱讀有請醫師。若要瞭解 Siemens Healthineers 最新的創新技術，請追蹤 他們的 Twitter 和 LinkedIn 帳號。
本文由 Erin Noble 編審。