本文最初发表于我们 2022 年 7 月/8 月刊，标题为“A Closer Look”。点击此处订阅以阅读更多此类文章。
看着乳腺钼靶图像，上面布满了显示乳腺组织密集的蛛网般的淡灰色线条，你不会怀疑有什么不对劲。没有人造影像科医生会犹豫给这位马萨诸塞州总医院的患者开具健康证明。但由麻省理工学院（MIT）开发的 Mirai 人工智能系统却有着不同的看法。当它扫描乳腺钼靶片时，它将这位患者标记为未来五年内患乳腺癌的高风险人群。最终，机器的直觉被证明是正确的：这位患者确实在图像拍摄四年后患上了乳腺癌。
由于大约 90% 的乳腺癌患者没有已知的基因突变，这种疾病的出现可能极不可预测。Regina Barzilay，一位目前正在研究 Mirai 的麻省理工学院计算机科学家，在 2014 年得知自己患上乳腺癌时也感到非常意外。“这对我来说是最意外的事情，”她说，因为她的家人中从未有人得过这种病。Barzilay 的亲身经历促使她帮助预测其他人患乳腺癌的可能性：她和麻省理工学院的硕士生 Adam Yala 一起，决定利用她的人工智能专业知识，开发一种图像扫描程序，以便在肿瘤出现之前就向医生发出警报。
阅读更多关于医学人工智能的内容
Mirai 加入了现有的一系列人工智能系统，这些系统能够检测或预测非常早期的疾病。这些系统经过不同疾病阶段人群的数千张图像训练，擅长根据肉眼有时看不见的模式来标记疾病迹象。除了 Mirai，研究人员还开发了能够预测 CT 扫描中肺癌风险、根据 MRI 图像评估未来心脏病风险以及预测哪些可疑皮肤斑点会癌变的算法。
但人工智能系统将取代医生的预测大大夸大了。“不是说人们会走进 MRI 扫描仪，然后电脑会生成一份报告，”介入性心脏病专家、哈佛医学院教授 Deepak L. Bhatt 说。“仍然会有一位医生查看图像并在临床环境中对其进行解读。”事实上，大多数医生实际上欢迎人工智能辅助的前景，因为这有助于他们决定如何最好地治疗每位患者。
最新的 AI 系统可能还需要数年时间才能完全部署；在它们进入诊所和医院之前，还需要进行进一步的测试和临床试验来证明它们的实力。一旦实现，医生将需要承担更广泛的诊断过程监督职责，将 AI 的见解与他们自己的临床知识无缝结合。但假设这些 AI 系统确实通过了审批流程，它们就可以帮助医生分担扫描每张图像以寻找危及生命疾病迹象的工作量——并为更早、更具针对性的治疗打开可能性。
Mirai AI 系统能够在患者被诊断出癌症前四年就将其识别为高风险。上图显示的是诊断前第一年（1）、第二年（2）和第三年（3）的图像。（图片来源：MIT 计算机科学与人工智能实验室）
麻省理工学院计算机科学与人工智能实验室
诊断与数据
Mirai 及其同类系统之所以被称为“智能”的一个原因是，与人类一样，这些 AI 系统也能够根据新信息进行学习。研究人员通过向它们展示大量扫描或图像来训练它们，例如 Mirai 团队输入计算机的 200,000 多张乳腺钼靶片。研究人员还向计算机提供拍摄每张图像时最新的描述性信息，例如该图像是否包含癌症。
从海量数据中，这些系统学会了哪些独特的图像特征——比如，乳腺钼靶片中被密集乳腺组织掩盖的近乎肉眼不可见的瑕疵——表明疾病或预示其发生。“模型[只]看图像，但它以一种复杂的方式看，学会利用那里所有的细微模式，”Yala 说。
医生已经使用一些基本的计算工具来预测谁将患上某些疾病。例如，Tyrer-Cuzick 建模软件根据健康史因素（例如是否接受过激素替代疗法或在 12 岁前就来月经）来计算患者未来的乳腺癌风险。但最新的 AI 系统通过分析图像以提取更精确的预后数据，进一步提高了水平。去年，麻省理工学院的团队表明 Mirai 不负其癌症预测引擎的称号。该系统将未来五年内患乳腺癌的患者中超过 40% 标记为“高风险”。这几乎是基于个人健康数据的 Tyrer-Cuzick 模型（仅将后来患乳腺癌的患者中 23% 标记为高风险）的两倍。
其他新的 AI 算法同样擅长识别不同类型的恶性肿瘤风险。根据上个月发表在《Radiology》杂志上的一项研究，一项 AI 系统在预测 CT 扫描中的早期肺结节是否会发展成癌症方面的表现与人类放射科医生相当。与此同时，在 2021 年初，麻省理工学院的一项系统在检测未来有黑色素瘤潜力的皮肤病变方面取得了 90% 的准确率。AI 图像分析的应用也超越了癌症检测：在 2016 年至 2018 年期间，一个分析心脏磁共振扫描（显示患者心脏血流）的英国 AI 系统，能够准确预测哪些患者后来会发生主要不良心血管事件，如中风甚至死亡。
由于算法可以检测人类无法察觉的模式，从而加快医生的评估速度，这些 AI 系统可以帮助实现更广泛的全国性肺癌或心脏病筛查计划。“这可以成为医疗保健的伟大均衡器，”弗吉尼亚大学泌尿科医生 Kirsten Greene 说。“即使是那些无法获得排名前 20 的医疗中心的患者，也不会有太大区别，因为技术至少会努力让竞争环境更加公平。”
未来的医生
但那种根本性的改变不会立即发生。要将这些系统的见解整合到他们的工作中，专家需要对该技术的优势和劣势有深刻的理解。谷歌 AI 专家 Daniel Tse 表示，AI 系统非常擅长处理医生所说的“家常便饭”病例。换句话说，它们能够快速发现扫描中最常见的疾病迹象，因为它们在训练过程中看到了大量的这类病例。
然而，AI 往往会在解读异常图像或扫描结果时出现不足；由于在训练过程中对这些情况的接触较少，系统可能会更容易错过这些情况。一些研究人员担心，新 AI 模型对微小疾病迹象的关注可能会导致过度诊断的流行，导致不必要的活检和手术。
出于这些原因，AI 系统无法成为一些人所设想的“机器人医生”，neatly 填补人类专家的角色。“目前，没有一位信誉良好的人士在谈论这些，”Bhatt 说。“他们真正谈论的是 AI 增强了医生已经做的事情，提高了他们的准确性。”Bhatt 说，近期很可能发生的情况是，专家将在诊断和规划中承担更多的管理角色，解读他们面前的数据（包括复杂的 AI 分析），并以适合每种情况的方式进行解读。
例如，如果一个 AI 算法将一名患者标记为患乳腺癌的高风险，她的医生将以此为基础制定治疗计划。但医生还会权衡一系列其他因素，比如患者先前的癌症病史以及对激进治疗的身体耐受性。此外，使用 AI 图像分析的医生将面临棘手的伦理问题：如果乳腺钼靶片显示一名患者在未来五年内极有可能患上乳腺癌，她是否应该在没有明确诊断的情况下接受预防性化疗甚至乳房切除术？
这种情况需要任何自动化系统都无法做到的复杂判断。目前，AI 最大的亮点不是图像分析如何使医生过时。而是它如何为专家的武器库增加了关键工具，使他们的判断比以往任何时候都更好——更精确。
