英国国家医疗服务体系联手英特尔，利用 AI 提高癌症检测效率

AI掘金志（公众号）：雷锋网旗下只专注于报道AI商业化与落地的垂直内容频道。助力“AI技术输出者”寻找商业潜力大的落地场景，服务“AI技术消费者”选择适合自身的技术供应商。

AI掘金志主要推送两类文章：

1.深入挖掘AI公司与传统机构的合作案例。

2.剖析各地医院、银行、制造企业、零售商、政府部门等传统机构对AI的需求与实际应用情况。

近日，英国国家医疗服务体系（NHS）与英特尔正式建立合作关系，利用 AI 来提高癌症检测的效率。

绝大多数情况系，当患者在发现癌症时就已错过最佳治疗时机。针对这一痛点，英特尔与英国华威大学、考文垂及沃里克大学医院 NHS 信托合作，用 AI 对癌细胞进行分类。

AI 在癌症诊疗中的研究与应用其实已进展多年，去年美国休斯顿卫理公会医院的研究人员开发的 AI 软件，能帮助医生非常准确和快速地诊断乳腺癌，具体实现方式是读取乳腺 X 线影像结果，在短时间内回顾几百万份纪录，通过解读病人的乳腺 X 线影像结果帮助医生确定病人患乳腺癌的风险，减少不必要的活检。

除此之外，日本研究员开发的一款软件仅需要花费 10 分即可对来自 2000 万个临床肿瘤研究所提供的女性遗传信息进行对比分析，从而准确诊断出女性患者所患的罕见类型的白血病。

总体而言，依赖大数据和人工智能设计的解决方案已经在帮助人类诊断癌症。

据悉，此次英国国家医疗服务体系与英特尔的合作中，华威大学的组织影像分析（TIA）实验室的研究员在 Nasir Rajpoot 教授的带领下根据数千种人体组织细胞建立已知肿瘤和免疫细胞的数据库，然后再利用算法和癌症信息数据库自动识别癌细胞。

考文垂及沃里克大学医院 NHS 信托卓越中心主任、细胞病理学临床医师主管 David Snead 教授指出：研究员和医生都知道用算法分析细胞的速度比人类更快，将这项技术应用到实际工作中可以更好地为患者服务。

随后，他们与阿兰图灵研究所签订了一项利用数据挖掘和人工智能训练细胞识别模型的合作项目，初步研究方向将集中在肺癌上。该系统采用英特尔 Xeon 处理器，并建立在 TensorFlow 等深度学习开源框架上。

拉吉普特教授称：“我们很高兴能在英特尔和阿兰图灵研究所的战略合作框架下与英特尔合作。我们将通过这项合作从世界级计算机科学技术中受益，最终目的是优化数字病理图像分析软件以及将我们实验室开发出来的某些最先进的技术应用到计算机辅助诊断和癌症检测中。”

人工智能诊断癌症面临的难题

当下，大数据和人工智能正在不断渗入到癌症领域，当然，现在仍旧面临一定的难题，AI 虽有着强大的数据分析能力和影像识别能力，但是在精准医疗中的作用其实非常有限。

雷锋网了解到，之前《Nature》中有文章称：癌症的精准治疗是一个有待证明的假说。有研究机构对美国 MD 安德森癌症中心登记的 2600 名癌症病人和美国国立癌症研究所登记的 795 癌症病人进行研究，研究结果显示，前者只有 6.4% 的病人获得针对特定基因突变的靶向药物治疗效果，而后者的比率则仅有 2% 。

据悉，经过测序等分子诊断分析，有 30%～50% 的病人能找到可以解释肿瘤恶变的相关基因突变。与此同时，由于药物有限，只有 3%~13% 的病人能够找到精准治疗的药物。

如果研究员不依赖于基因组、基因差异和生物学标记来识别、诊断癌症并制定相应的方案，就无法教会人工智能做同样的工作。

现在英、美、德三国的研究人员已经在进行相差的研究，即教会 AI 识别癌症。英国斯旺西大学研究人员参与的研究可高效识别癌细胞等的不同类型的细胞。

在健康的细胞群内识别癌细胞，目前做法采用荧光剂附着在细胞内，通过显微镜观察进行识别。

以东京大学药学院教授浦野泰照和美国国立卫生研究所（NIH）主任研究员小林久隆共同研发的荧光剂为例，医生只要向怀疑有癌细胞的部位喷洒荧光喷雾剂后，几分钟后癌细胞部位就会发出反射光。

济生会福冈综合医院乳腺外科主任上尾裕纪和乳腺外科医生上尾裕昭、九州大学别府医院教授三森功士均对这种检测试剂进行了临床效果验证，当他们在手术摘除下来的乳腺癌细胞组织上喷洒无色液体试剂之后，一两分钟后癌细胞部位就开始发出绿色的荧光，观察使用简易的荧光检测装置即可分辨。

这类荧光剂的原理是利用有机小分子物质在遇到分解蛋白质酶时会产生反应发出荧光原理，将氨基酸与荧光分子相结合形成的试剂本身是无色的，不发射荧光，一旦它与癌细胞表面的蛋白质分解酶（GGT）相遇分解后很快就发出荧光。经过对数十例乳腺肿瘤体的验证，结果表明感光度达到 92%，特异度达到 94%，诊断效果非常好，就连隐藏在 5cm 大乳腺组织中，大小仅有 1mm 的癌细胞和淋巴结转移也能正确识别出来。

这种方法虽然有效，但根据临床经验来看，使用荧光剂容易干扰细胞行为，从而影响观察结果。

因此，研究人员开始尝试不采用染色剂的方式，而是改用数据输入。让算法分析多种细胞样本的特征。经过数据积累和模型训练后，可快速在细胞群中识别出目标细胞，并这类细胞处在其生命周期的哪个阶段，从而诊断癌症。

除了医疗机构外，科技巨头们也纷纷投入到癌症研究中，其中微软和英伟达均已提出明确的战略。而就在上周，Google 医学博士 Lily Peng 在医疗大会上表示，谷歌利用深度学习在癌症检测上可以通过活检图像来定位癌细胞的位置，进行医疗指导。

从整体趋势判断，未来也将会有更多企业进军这个领域。

更多关于人工智能升级传统行业的文章，请关注雷锋网AI商业化垂直微信公众号：AI掘金志。