AI已经在改变人类对抗癌症的方式

AI正在加速我们检测和治疗癌症的方式，但人类医生仍然至关重要。

据《Popular Science》报道，尽管人工智能（AI）仍然不能取代医生在现实世界中的医疗专业知识，甚至不能做出真正的医疗诊断，但它可以作为提高医生效率的关键工具。

据估计，去年美国有61万人因为癌症去世。这几乎与该国四年内战中的亡故人数相同。2024年，（美国）至少有200多万人被诊断出患有某种形式的癌症，这一数字近年来一直在攀升。

早期发现仍然是决定一个人最终能否从癌症中存活下来的最大因素之一，幸运的是，医学治疗的进步可以提供帮助。研究人员和医学科学家们认为，人工智能模型可以在早期检测过程中发挥关键作用。

人工智能分析大量数据并寻找模式的能力，可能使其非常适合寻找器官和组织图像中的不规则性，并在癌细胞转移之前发现它们。

哥伦比亚大学的研究人员最近在《自然》（Nature）杂志上发表的一项研究描述了一种新的医学人工智能模型，他们说这种模型可以准确地预测细胞水平上的基因活动。从理论上讲，这种级别的粒度可以为研究人员首先了解导致癌症发生的基因突变开辟新的途径。

该论文的资深作者、哥伦比亚大学教授劳尔·拉巴丹在一份声明中说：“拥有准确预测细胞活动的能力，将改变我们对基本生物过程的理解。

它将把生物学从一门描述看似随机过程的科学转变为一门可以预测控制细胞行为的潜在系统的科学。”

如今，医生们已经在使用人工智能来帮助发现肿瘤并加快诊断速度。科学家和制药公司同样在不同程度上使用这项技术来帮助创造新的抗癌疗法。

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，从早期到晚期治疗，这些模型将在对抗癌症方面发挥越来越重要的作用。

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，他们在130万个人类细胞的图像上训练了他们的模型。

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大型语言模型摄取大量书面互联网语料库的方式进行了比较。

拉巴丹教授指出，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”，它就可以根据这些信息来预测模式。当他们测试人工智能时，研究人员表示，它能够预测以前从未见过的细胞类型中的某些基因表达。

拉巴丹补充说：“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。”

就在这篇论文发表的几个月前，哈佛医学院的科学家们描述了另一种与癌症相关的人工智能检测工具，也是发表在《自然》杂志上。

在这个例子中，研究人员训练他们的模型在观察病人病理图像后检测19种不同类型肿瘤的迹象。据报道，该模型能够检测癌症，并根据其训练数据中的细胞特征预测肿瘤的分子特征。另外，它还可以预测不同癌症类型患者的生存潜力。

该模型被称为CHIEF（临床组织病理学成像评估基础），是通过使用60,000张肺、前列腺、结肠和其他器官组织的整张切片图像进行训练的。

研究人员表示，由于其广泛的训练数据，CHIEF比其他癌症检测人工智能模型走得更远，这使得它比其他更专业的模型更全面地解释医学图像。

“如果进一步验证并广泛应用，我们的方法，以及类似于我们的方法，可以识别早期癌症患者，这些患者可能受益于针对某些分子变异的实验性治疗，这种能力在世界各地并不统一。”哈佛医学院教授和该项研究的资深作者Kun-Hsing Yu在一份声明中说。

人工智能正在应用于癌症研究的每个阶段。人工智能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人工智能工具来帮助发现肿瘤。

就在本周，发表在《自然医学》（Nature Medicine）上的一项涉及德国近50万名患者的新研究发现，使用人工智能检测模型的医生诊断出的乳腺癌病例比那些单独依靠自身诊断的医生的病例多。

具体来说，使用人工智能的医生的癌症检出率比没有使用人工智能的医生高17.6%。美国FDA也已经批准了一种人工智能软件的上市，该软件可以帮助识别前列腺癌的迹象。

美国国立卫生研究院（NIH）的研究人员创建了一个单独的人工智能模型，名为LORIS（基于逻辑回归的免疫治疗反应评分），它能够预测哪一组癌症患者可能从某些免疫治疗中获益最多。

这种方法利用人体的免疫系统来瞄准癌细胞，与化疗和放疗等更传统的抗癌治疗方法相比，它的侵入性较小，但该方法只对一小部分人有效。

像LORIS这样的模型可以帮助医生更好地发现那些可能受益的患者的治疗方法，同时避免让其他人接受不必要的治疗。

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，作为一个项目的一部分，该项目使用强大的机器学习模型来梳理大型医疗数据集，并寻找可能引发开发耐药癌症新疗法的模式。

据参与这项工作的人说，他们的希望是，人工智能的进步可以加快发现新药的时间，希望能及时为在不久的将来可能需要它们的患者提供药物。

UCCCC主任Kunle Odunsi在一份声明中说：“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发现时间表，我们的目标是利用能源部的超级计算能力，采用新颖的协同方法来实现这一目标。”

与此同时，对人工智能筛选和检测工具过于信任也存在风险。前面提到的几个模型仍处于研究阶段，在大规模部署到医疗机构之前，还需要进行更多的测试。

还有一种风险是，机会主义者会利用过于宽泛的“人工智能”这个总括性术语，将未经测试的模型推销得比实际更有效。

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、潜在危险的错误诊断。去年发表在《美国医学会儿科学》（JAMA Pediatrics）上的一项研究发现，OpenAI的ChatGPT错误地诊断了83%的儿科病例研究。

像这样的模型也容易偶尔产生“幻觉”，并带着自信的语气这样做。当要求它提供蛋糕食谱（cake recipe）时，这可能会导致有趣的结果，但当有人用它来自我治疗时，同样的不准确性可能会导致危险的后果。