据估计，去年美国有 610,000 人死于癌症。这几乎与该国四年内的内战死亡人数相当。2024 年至少有另外 200 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。早期检测仍然是决定一个人最终能否从癌症中幸存下来的最重要的因素之一，幸运的是，医疗治疗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。尽管人工智能尚不能替代医生在现实世界中的医学专业知识，甚至无法生成真正的医学诊断，但它可以作为一种关键工具，使医生更加有效。
人工智能能够解析海量数据并寻找模式的能力，使其非常适合寻找器官和组织图像中的异常，并在癌细胞扩散之前发现它们。哥伦比亚大学的研究人员在《自然》杂志上发表的一项今日研究，描述了一个新的医学人工智能模型，他们表示该模型可以准确预测细胞水平的基因活动。理论上，这种精细程度可以为研究人员开辟新的途径，以了解导致癌症发生的基因突变。
“能够准确预测细胞的活动将彻底改变我们对基本生物过程的理解，”该论文的资深作者、哥伦比亚大学教授 Raul Rabadan 在一份声明中说。“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，医生已经在利用人工智能帮助发现肿瘤和加速诊断。科学家和制药公司也在不同程度上利用这项技术协助开发新的抗癌疗法。虽然人工智能在短期内几乎不可能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，这些模型将在与癌症的斗争中扮演越来越重要的角色，从最早的时刻到晚期治疗。
人工智能让研究人员得以一窥癌症在细胞层面的起源
开发能够预测基因活动的人工智能（称为 GET，即通用表达转换器）的哥伦比亚大学研究人员表示，他们使用 130 万个人类细胞的图像来训练他们的模型。研究人员将这种注入大量患病和健康基因训练数据的方法，比作OpenAI 的 ChatGPT 大型语言模型吸收海量网络文本的方式。Rabadan 指出，一旦医学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。在测试人工智能时，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，从而增强和指导传统的实验方法，”Rabadan 补充道。
该论文发表在哥伦比亚大学研究人员发表另一篇关于癌症的人工智能检测工具仅几个月后，该工具也发表在《自然》杂志上。在这个例子中，研究人员在观察了患者的医学图像后，训练了他们的模型来检测 19 种不同类型肿瘤的迹象。据报道，该模型能够根据其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。它还可以预测不同类型癌症患者的生存潜力。该模型称为 CHIEF（临床组织病理学图像评估基金会），接受了 60,000 张来自肺部、前列腺、结肠和其他器官的组织的全切片图像训练。研究人员表示，CHIEF 比其他癌症检测人工智能模型更进一步，因为它拥有广泛的训练数据，使其能够比其他更专业的模型更全面地解释医学图像。
哈佛医学院教授兼该研究的资深作者 Kun-Hsing Yu 在一份声明中表示：“如果得到进一步验证并广泛部署，我们的方法以及类似的方法，可以及早识别可能受益于针对特定分子变异的实验性治疗的癌症患者，这是全球并非普遍具备的能力。”
人工智能正在癌症研究的各个阶段发挥作用
人工智能在癌症治疗方面的应用大致可分为五类：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，一项涉及近 50 万德国患者的新研究发表在《自然医学》上，研究发现使用人工智能检测模型的医生比单独行事的医生确诊了更多的乳腺癌病例。具体而言，使用人工智能的医生癌症检出率比不使用的医生高 17.6%。美国食品药品监督管理局（FDA）还批准了一款人工智能软件的上市，该软件旨在帮助识别前列腺癌的迹象。
美国国立卫生研究院（NIH）的研究人员创建的另一个人工智能模型，名为 LORIS（逻辑回归免疫疗法反应评分），展示了预测哪些癌症患者群体最能从某些免疫疗法中获益的能力。这种方法利用身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小，但仅对一部分人有效。像 LORIS 这样的模型可以帮助医生更好地为可能受益的患者选择治疗方法，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，用于一个项目，该项目将利用强大的机器学习模型梳理大型医学数据集，寻找可能激发对耐药性癌症新疗法开发的模式。据参与该项目的人士称，希望人工智能的进步能够加快发现新药所需的时间，希望能为那些可能在不久的将来需要它们的患者争取时间。
UCCCC 主任 Kunle Odunsi 在一份声明中表示：“癌症患者没有时间等待新疗法，因此迫切需要缩短药物发现的时间线，我们的目标是通过利用[能源部的]超级计算能力的新颖协同方法来实现这一点。”
人工智能工具并非万能灵丹
与此同时，过早地过度依赖人工智能筛查和检测工具也存在风险。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需要更多测试。此外，还有机会主义者利用“人工智能”这个过于宽泛的术语来推销远未经过充分测试的模型，声称它们比实际更有效。已经有许多案例，人们在与流行的语言模型互动后获得错误的且可能具有危险性的诊断。去年发表在《JAMA 儿科》上的一项研究发现，OpenAI 的ChatGPT 在提供的儿科病例研究中错误诊断了 83%。这些模型也容易偶尔编造虚假事实，并以自信的语气。这在要求它制作蛋糕食谱时可能会导致有趣的后果，但当有人用它们来自我治疗时，同样的错误可能会非常危险。
[相关：我们将来能信任来自人工智能的健康建议吗？]
即使人工智能模型在未来几年（很可能）会提高检测不同癌症的能力，它们从根本上仍然没有执行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 年的《不止是故障》一书中指出的那样，即使是最先进的人工智能模型，本质上也只是将静态图像与人类已经标记的其他图像语料库进行比较，并快速查看两者之间是否存在数学上的相似性。这可能导致令人印象深刻的结果，但这个过程最终是一个*预测*，这与诊断不同。诊断仍然需要人类医生能够审查证据，并根据多年的实际经验得出自己的专家结论。
我们已经生活在一个医生可以使用这些工具来增强自身能力的时代。但人工智能是否能变得足够可靠，完全将医生从这个动态中移除，这一点尚不清楚。
