人工智能已经改变了我们抗击癌症的方式

据估计，去年美国有 61 万人死于癌症。这几乎与该国四年内战中死亡的人数相同。到 2024 年，至少有 200 万人被诊断出患有某种形式的癌症，这一数字近年来不断攀升。早期发现仍然是决定一个人最终能否战胜癌症的最大因素之一，幸运的是，医疗技术的进步可以提供帮助。研究人员和医学科学家认为，人工智能模型可以在早期检测过程中发挥关键作用。尽管人工智能仍然无法取代医生在现实世界中的医疗专业知识，甚至无法做出真正的医学诊断，但它可以成为提高医生效率的关键工具。

人工智能能够解析密集的数据并寻找模式，这可能使其非常适合在器官和组织图像中寻找异常并在癌细胞转移之前发现它们。哥伦比亚大学的研究人员今天在《自然》杂志上发表的一项研究描述了一种新的医疗人工智能模型，他们说这种模型可以在细胞水平上准确预测基因的活动。从理论上讲，这种粒度级别可以为研究人员开辟新的途径，让他们了解导致癌症发生的基因突变。

“能够准确预测细胞活动将改变我们对基本生物过程的理解，”论文资深作者、哥伦比亚大学教授 Raul Rabadan 在一份声明中表示。“它将把生物学从一门描述看似随机的过程的科学转变为一门可以预测控制细胞行为的底层系统的科学。”

如今，医生已经在使用人工智能来帮助发现肿瘤并加快诊断速度。科学家和制药公司也在不同程度上使用该技术来协助开发新的抗癌疗法。虽然人工智能几乎肯定不会在短期内取代训练有素的肿瘤学家，但所有迹象都表明，在不久的将来，这些模型将在抗击癌症方面发挥越来越重要的作用，从早期到晚期治疗。

人工智能让研究人员从细胞层面了解癌症的起源

哥伦比亚大学的研究人员开发了一种能够预测基因活动的人工智能，称为 GET（通用表达转换器），他们表示，他们用 130 万个人类细胞的图像训练了他们的模型。研究人员将这种注入大量患病和健康基因训练数据的过程与 Open AI 的 ChatGPT 大型语言模型吸收大量书面互联网语料库的方式进行了比较。一旦医疗人工智能模型学会了“许多不同细胞状态下的语法”，Rabadan 指出，它就可以根据这些信息预测模式。当他们测试人工智能时，研究人员表示，它能够预测它从未见过的细胞类型中的某些基因表达。

“这些方法可以有效地进行大规模计算实验，促进和指导传统的实验方法，”拉巴丹补充道。

就在这篇论文发表的几个月前，哈佛医学院的科学家在《Nature》杂志上描述了另一种与癌症相关的 AI 检测工具。在那个例子中，研究人员在观察病人的医疗图像后，训练他们的模型检测 19 种不同类型肿瘤的迹象。据报道，该模型能够根据训练数据中包含的细胞特征来检测癌症并预测肿瘤的分子特征。它还可以预测患者在不同癌症类型中的生存​​潜力。该模型名为 CHIEF（临床组织病理学影像评估基础），接受了来自肺、前列腺、结肠和其他器官的 60,000 张全切片组织图像的训练。研究人员表示，CHIEF 比其他癌症检测 AI 模型更进一步，因为它拥有广泛的训练数据，这使得它比其他更专业的模型更全面地解释医学图像。

哈佛医学院教授、该研究的资深作者 Kun-Hsing Yu 在一份声明中表示：“如果得到进一步验证和广泛应用，我们的方法以及类似的方法可以在早期识别出可能从针对某些分子变异的实验性治疗中受益的癌症患者，而这种能力在世界各地并不统一。”

人工智能正在应用于癌症研究的每个阶段

AI 在癌症治疗方面的前景大致分为五类：预测、检测、药物发现和治疗实施。在检测方面，放射科医生和其他医生已经在使用 AI 工具来帮助发现肿瘤。就在本周，一项新研究发表在《自然医学》杂志上 一项涉及德国近 50 万患者的研究发现，使用人工智能检测模型的医生确诊的乳腺癌病例比单独行动的医生更多。具体来说，使用人工智能的医生的癌症检测率比未使用人工智能的医生高出 17.6%。FDA 还已批准销售一种用于帮助识别前列腺癌迹象的人工智能软件设计。

美国国立卫生研究院 (NIH) 的研究人员创建了另一个 AI 模型，名为 LORIS（基于逻辑回归的免疫治疗反应评分），该模型展示了预测哪组癌症患者可能从某些免疫疗法中获益最大的能力。这种方法利用人体的免疫系统来靶向癌细胞，比化疗和放疗等更传统的抗癌疗法侵入性更小，但仅对一小部分人有效。像 LORIS 这样的模型可以帮助医生更好地为可能受益的患者检测这些疗法，同时避免让其他人接受不必要的治疗。

在发现方面，芝加哥大学医学综合癌症中心 (UCCCC) 的研究人员最近从联邦政府获得了 1600 万美元的资助，作为一项项目的一部分，该项目使用强大的机器学习模型梳理大量医疗数据集，寻找可能激发开发耐药性癌症新疗法的模式。据参与这项工作的人员称，希望人工智能的进步可以加快寻找新药所需的时间，希望能及时为不久的将来可能需要这些药物的患者提供。

“癌症患者没有时间等待新的治疗方法，因此迫切需要压缩药物研发时间，我们的目标是采用新颖的协同方法，利用能源部的超级计算能力来实现这一目标，”UCCCC 主任 Kunle Odunsi 在一份声明中表示。

人工智能工具并非灵丹妙药

与此同时，过早地对人工智能筛查和检测工具寄予过多信任也存在风险。前面提到的几种模型仍处于研究阶段，在大规模部署到医疗机构之前还需要进行更多测试。还有一种风险是，投机者会利用“人工智能”这个过于宽泛的总称，将测试程度远远不够的模型吹捧得比实际更有效。已经有很多案例表明，人们在与流行的大型语言模型互动后得到了错误的、可能非常危险的误诊。去年发表在《JAMA Pediatrics》上的一项研究发现，OpenAI 的 ChatGPT 对 83% 的儿科病例进行了错误诊断。这类模型也容易偶尔产生幻觉，并以自信的语气说出错误的事实。当要求它想出一个蛋糕食谱时，这可能会导致奇怪的结果，但当有人用它们进行自我治疗时，同样的错误可能会很危险。

[相关：我们能够相信人工智能的健康建议吗？ ]

即使未来几年 AI 模型 (很可能) 会提高检测不同癌症的能力，但它们从根本上来说仍无法完成与训练有素的医生相同的工作。正如纽约大学新闻学教授 Meredith Broussard 在她 2023 年出版的书《不仅仅是一个小故障》中指出的那样，即使是最先进的 AI 模型，本质上也是将静态图像与人类已经标记的其他图像集进行比较，并快速查看两者是否存在数学相似性。这可以带来令人印象深刻的结果，但这个过程最终是一种预测，与诊断不同。诊断仍然需要人类医生，他们可以查看证据并根据多年的现实世界经验得出自己的专家结论。

我们已经生活在一个医生可以利用这些工具来增强自身能力的世界。但目前尚不清楚人工智能是否足够可靠，能够完全取代医生。