對談蔣彬教授：美國AI放療前沿研究，建立醫療AI新生態丨億歐智庫

「人工智慧技術，使中國放射腫瘤治療不僅僅在變化，而是發生著一場大變革。」

——王俊傑教授 北京大學第三醫院腫瘤中心主任

在醫學影像輔助診療環節，近年來不斷湧現出新的科研成果與技術產品，科研團隊與服務公司間的互動日趨頻繁。目前全球大多數「AI+醫學影像」產品，主要以輔助診斷為主，例如對肺結節的自動識別與診斷。針對治療環節的AI產品還較少，連心醫療是國內為數不多的實踐者，自主研發放療計劃階段的器官與靶區自動勾畫，以及放療過程中的自適應放療產品。

AI在放療領域，目前有哪些主流科研方向？產品落地情況如何？中美兩國在醫療人工智慧的發展環境方面存在哪些差異？針對這些問題，億歐智庫在連心醫療2017 CSTRO璀璨衛星會中，與大會特邀演講嘉賓、來自美國德州大學西南醫學中心的蔣彬教授進行了一次深度訪談。蔣彬教授系統性地講述了其在放療全流程的六項AI科研方向與成果，建立「科研-臨床-產品化」的生態模式，以及對於醫療人工智慧未來發展的一些思考。

蔣彬：「AI+放療」科研先行者

蔣彬（Steve Jiang），德州大學西南醫學中心Barbara Crittenden講座教授，放射腫瘤系副主任，醫學物理與工程部主任。目前的主要科研方向人工智慧在醫療中的應用、基於雲的自動放療計劃、以及在線自適應放療。他帶領的西南醫學中心Medical Artificial Intelligence and Automation (MAIA) Lab研究團隊，是全美以「AI+放療」為研究方向的、規模最大的科研團隊。

針對放療流程的AI科研六大方向

從器官與靶區的勾畫，到治療計劃的制定，到患者放射治療，再到患者的預後工作，蔣彬教授帶領的科研團隊，正在針對放療流程中的六大環節進行研究。

1. 器官分割與靶區勾畫

億歐智庫：器官分割與靶區勾畫，為什麼會成為您的重要科研方向呢？

蔣彬教授：一方面是放療科醫生手動勾畫效率太低，另一方面是缺乏經驗豐富的放療科醫生，尤其是基層醫院。美國的一項對放療患者的長期跟蹤研究表明，在大醫院和小醫院進行放療的存活率存在明顯差距。而這種差距，一個主要原因是醫生對器官分割的精準性，和對靶區勾畫的專業性。

億歐智庫：藉助AI進行器官分割和靶區勾畫，目前的研究進展如何？

蔣彬教授：在器官分割上我們已經取得了比較不錯的成績，例如對於主要器官(OAR)的勾畫，專家勾畫與AI勾畫的重合程度(Dice Index)目前是85%左右（在臨床應用上，Dice Index到80%以上就很好了）。但是，靶區勾畫的實現難度會稍大一些。因為每位醫生的經歷和經驗不同，具體的治療方案也會不同，很難有統一的標準。所以，連心醫療的LinkMatrix科研平台比較有效地解決了這個問題，讓AI學習各位優秀的醫生的經驗，醫生可以進行自主選擇。例如，我信任「張三醫生」，就可以選擇他的靶區勾畫方案，然後AI就會根據他的方案進行自動勾畫。我們現在在做的，跟連心醫療這個思路很像。

2. 人工智慧治療計劃

蔣彬教授：制定治療計劃很耗費時間，而且計劃的質量也參差不齊。放療醫生與劑量師（在中國沒有劑量師，物理師承擔了劑量師的工作）常常需要對治療計划進行討論和反覆修改。我們讓AI學習優質的醫生和劑量師的經驗，這樣AI就可以自動地、高質量地、高效率地完成治療計劃的制定。

3. 治療效果與毒性預測

蔣彬教授：患者的預後工作十分重要。例如，接受SBRT的早期肺癌患者中，有31%的患者五年內癌細胞會有遠程轉移。這些患者只做放療是不夠的，需要配合化療或其他系統性療法。但是我們不知道哪些患者屬於這類情況，我們就通過AI進行跟蹤研究，提早做出預測。

4. 同行審查與錯誤檢測

蔣斌教授：在美國，每年有超過25萬人死於醫療事故，在美國居民所有死亡原因中排在第三位，僅次於心血管疾病和癌症。我們正在建立一個叫SaftyNet安全網的深度學習網路，植入醫院的病歷系統中。SaftyNet不僅可以查錯，而且還可以綜合分析患者的各類數據，判斷治療方案是否達到最優，如果有優化空間，AI會給出調整後的方案供醫生參考。

5. 影像重建、復原與判讀

蔣彬教授：例如，我們利用AI實現MRI和CT圖像之間的轉化。現在放療領域的一大熱點是採用更加清晰的MRI圖像。但做放療計劃需要電子密度的信息，CT圖像會更適合。所以我們用深度學習將MRI轉化為CT圖像。此外，我們正在研究把四維CT圖像轉化為核醫學圖像，用以診斷肺部功能性的問題。

6. 可穿戴設備與智能診所

蔣彬教授：我們開發了基於Bluetooth Low Energy的RTLS（Real Time Locating System）實時跟蹤系統，我們會為患者佩戴智能手環，時刻了解患者的位置，以確保患者在正確的時間出現在正確的地點，接受正確的治療。目前手環還只有定位功能，下一步我們會裝上其他的感測器，探測患者的血壓、體溫、血氧濃度等生命體征。另外，我們自主設計了一個面向未來的放療中心，目前已經投入使用6個月。我們用了半年時間，構想20年後的放療中心會是什麼樣子，從而設計了這個放療中心。

比如說在一層的機房，我們首創了兩扇大門的設計，前門是病人的進出，後門及門外的走道是用於各種定位和劑量設備。一方面可以讓患者有更舒適的體驗，另一方面也是為了保證機房內的整潔。二層是醫生、物理師、劑量師及其他相關臨床人員的辦公區域，我們按照病灶分組設計多個生態系統，讓每個病灶相關人員在一起工作，便於交流。這座建築的設計在美國很有名，許多想要修建新放療中心的人都會來參觀，比如上周Virginia Commonwealth University由系主任Douglas Arthur教授和物理主任Jatinder Palta教授帶隊，前來參觀學習。

「科研-臨床-產品化」的生態模式

億歐智庫：AI醫學影像領域，從科研成果到應用產品往往需要很長時間，其中涉及到數據訓練、產品化等很多問題，您的團隊是如何解決這一問題的呢？

蔣斌教授：你說的這個問題確實存在。研究人員對產品開發不熟悉，商業公司對於科研不了解，科研成果和臨床使用之間有一條鴻溝。所以我們正在籌建一個醫療人工智慧研究中心，將科研、技術方案、臨床使用打通，同時與外部公司合作，將AI技術轉化為產品，目前我們與連心醫療正在建立這樣的深度合作關係。未來，研究中心會衍生出孵化功能，內部孵化創業公司，實現AI技術的產品化。這樣，我們就構建了「科研-臨床-產品化」的生態模式。

億歐智庫：但是技術方案在臨床中的使用，需要經過FDA認證，而FDA認證可能耗時很久。您如何看待？

蔣斌教授：因為德州大學西南醫學中心就有醫院屬性，我們的AI 演算法可以比較容易地在我們的臨床中測試和使用，不需要FDA認證。臨床中的具體使用過程，會暴露出很多問題，這是科研環節不會看得到的。這些問題，不是演算法不夠好，而更多的是流程問題、實際操作問題，以及科研中沒有預想到的場景問題。通過臨床使用，我們就可以不斷提升和優化演算法。

醫療人工智慧的未來

億歐智庫：美國比中國在AI領域的研究更早一些，而中國近幾年也進入了AI加速階段。您如何看待中美兩國在AI領域的未來發展？

蔣彬教授：我認為中國很有可能會「超車」。中國已經在很多領域實現了「彎道超車」，比如從現金支付直接跳過信用卡，進入電子支付時代。我們看每年AI論文的評獎，國內學者或華人得獎的有很多。中美兩國在基礎理論研究方面可能存在差距，國內做基礎理論研究的人比較少，更多偏應用。但我不認為這是問題，因為基礎理論是共享的。

億歐智庫：從醫療人工智慧的發展環境而言，中美兩國有何異同？

蔣斌教授：首先，數據方面存在一些差別。美國在數據隱私、所有權、法律等問題方面很嚴苛，在中國會相對容易一些。但是，中國的影像數據電子化程度還不高。另外，兩國都存在數據質量問題，主要是由於醫學名詞的使用缺乏統一性。我們幾百個病人的病例，其中有對於大概30-40個不同器官的資料，竟然出現6000多種不同的名字。所以，我們在嘗試用AI清理數據。

億歐智庫：AI在放療領域的產品真正落地，是否會經歷一個漫長的過程？

蔣彬教授：目前AI在放療領域的研究還比較早期，瓦里安、醫科達等放療公司都在嘗試做，但還沒有進入產品。但我相信，未來1-2年就會有比較多的落地產品出來。AI和其他技術不同，因為它是不斷飛速進化的，是非線性發展的。目前全球許多大公司都 AI作為發展戰略，例如微軟研究院有8000人規模的AI研究人員，大家都是只爭朝夕的態度，擔心一不落後會再也趕不上。所以我相信，放療AI產品的落地也不會太久。