乳腺癌专家将被人工智能取代

IBM的工程师与纪念斯隆-凯特琳癌症中心合作研发诊断肿瘤的人工智能系统，该系统试图使用自然语言和机器学习分析海量的非结构化医疗数据，来预测肿瘤发生。

近日在美国召开的圣安东尼奥乳腺癌会议是世界乳腺癌领域顶级级学术会议，在本次会议中科学家展示了该人工智能系统Watson的超强诊断能力。该研究结果表明人工智能Watson和肿瘤专家在诊断乳腺癌上旗鼓相当。

△Watson在SABCS会议上展现出超强的诊断能力

供Watson分析学习的病例来自于印度班加罗尔Manipal医院的诊疗团队所治疗的例乳腺癌病例，包括例良性和例恶性乳腺癌患者。

首先科学家收集患者的临床病理数据和诊疗建议，并让Watson通过深度学习的方式找到这些病例数据与诊疗的联系，然后利用新的乳腺癌患者病例检测人工智能Watson诊断和提出治疗建议的能力。

比较人工智能Watson和肿瘤专家建议，科学家发现：

√在良性肿瘤病例中Watson所给出的治疗建议与肿瘤专家的建议一致性接近80%，而在恶性乳腺癌的治疗建议则只有45%是一致的；

√根据受体状态亚组分析，三阴性乳腺癌病例中Watson所给出的治疗建议与肿瘤专家的建议一致性为67.9%，而HER2阴性病例中仅有35%；

√对于所有亚组（按受体状态），良性肿瘤中人工智能与肿瘤专家的一致性明显优于恶性肿瘤。

科学家表示，Watson和肿瘤专家之间的意见分歧主要是因为HER2阴性乳腺癌治疗选择的多样性。依据HER2状态需要考虑的治疗和变量太多，这就需要人类的思考能力。而病例越复杂，则治疗建议的差异也就越多。

在时间方面，肿瘤专家需要数年甚至数十年的临床经验提升诊断和治疗能力，而且还要花很长时间阅读病理报告，并思考可用的治疗手段最终形成治疗意见。

普通医生需要平均20分钟给出治疗意见，具有多年临床经验的肿瘤专家的时间缩短为平均12分钟；而且在恶性肿瘤上所花费的时间平均比良性肿瘤长长5~7分钟。

与之形成鲜明对比的是，人工智能Watson从提取分析数据到给出治疗建议平均只要40秒。

Watson在标准推荐治疗和供参考两种意见上与印度肿瘤多学科专家团队的符合率达到73%，然而在恶性肿瘤以及HER2阴性肿瘤的诊断和治疗上仍有很大的改进空间。

科学家表示IBM的人工智能Watson是肿瘤人工智能诊疗领域的代表，其应用前景广阔但短时间内无法替代专科医生的角色，只能作为一种诊疗参考。在处理信息的速度上，Watson远远超过人类，但考虑到诊疗活动中的诸多因素，肿瘤专家仍旧无可替代。

△短时间内人工智能无法替代专科医生的角色

一方面，患者都是独立的个体，有自己独特性，医患之间的沟通交流和医生给予的人文关怀对肿瘤的治疗至关重要，这远超一般意义的“数据分析”。

另一方面，在复杂疾病（如肿瘤转移）的处理上，Watson更倾向于以最佳的可用证据为基础提出建议，而医生则可能会考虑大剂量化疗迅速缓解症状等措施，后者的评估更灵活。

Watson是个体化治疗的重要一步，但应谨记：人工智能虽然能改善诊疗质量，提供更多的参考信息，然而现阶段只能作为诊疗的辅助工具，无法替代医生和患者在医疗活动中的主导性地位。