不知道大夥們還記得，那名用 50 張 1080 TI 顯卡對抗癌症的「 業餘 」程式設計師不。
他曾自掏腰包訓練了個 AI ，還整了個免費的網站，讓人工智幫你「 看片子」，能快速診斷出乳腺癌。
當時差評君就在暢想，未來，AI 技術在醫學領域，鐵定能濺起不小的水花兒。
但誰也沒想到，這未來來得實在有些快，而且比起水花，AI 掀起的更像是大浪。
這不在前不久，醫學頂刊 Nature Medicine 上就登了一篇論文，說是用 AI 大模型 + 簡單的平掃 CT ，就可能大規模地篩查出早期胰腺癌了。
這消息，直接就在醫學圈兒炸開了。
Nature Medicine 就罕見地附帶了一篇評論文章，標題是這樣的：在AI 加持下的醫療影像，即將迎來黃金時代。
各大媒體也都爭相報道， 「 突破難題 」「 人類首次 」 等讚美之詞毫不吝嗇。
而如果用一句話，來形容這技術的含金量的話。
差評君覺得比較貼切的是：放在過去，這事兒想都不敢想。
這麼說吧，這次的大反派 「 胰腺癌 」 ，在所有癌症里有個可怕的名字—— 「 癌症之王 」 。
只要確診胰腺癌，幾乎就是被判了死刑，近 90% 的人在確診胰腺癌後，活不過 5 年，這在癌症里算是一個相當可怕的數字了。
好多名人像吳尊友、帕瓦羅蒂等都是因為胰腺癌去世的。
死亡率這麼高的原因，在於胰腺癌早期太難被發現了，一旦發現，大機率就是晚期。
因為胰腺這玩意兒，位置非常隱蔽，藏在胃後面，被十二指腸、脾臟和肝臟等器官包圍住了。
而我們一般去醫院體檢的項目，像超聲、平掃 CT 等等這些，很難發現早期胰腺癌的特徵。
當然，增強 CT 或者是增強核磁共振，能把胰腺看得更清楚些。
但胰腺癌的發病率其實並不高，在所有癌種中只排在十名開外。
所以考慮到輻射、醫療資源擠兌等問題。。。為了胰腺，每個人每年都去做增強 CT 或增強核磁共振，其實划不來。
基本上只有病人發現了異樣，才會去做這些項目。
但在症狀上想發現早期胰腺癌，也很難行得通。
前期患者們的症狀一般是噁心、嘔吐、身體虛弱等，這和普通生病的症狀沒啥兩樣，醫生們很容易就會被 「 忽悠 」 。
並且癌變會影響胰腺功能，早期胰腺癌還很可能偽裝成糖尿病。。。
於是在影像 + 症狀雙重 Debuff 的情況下，想大規模篩查早期的胰腺癌就變成了一件難上加難的事。
所以這些年來，醫學界為了能早點發現胰腺癌，可脫了不少發、禿了不少聰明腦瓜，但最後的成果呢，寥寥無幾。
前些年，業內還有個很火的滴血驗癌（ ctDNA ），一度被大家看好，它是從患者的血液里找有沒有癌症的碎片。
但這個方法，同樣也很難發現癌症一期、二期的血液碎片，到現在快十年過去了，依舊沒啥進展。
而這次，研究人員們想到了用 AI 大模型，來解這道題。
差評君也去到 Nature Medicine 官網上，翻了翻論文原文，有一說一，它還真有可能在早篩胰腺癌這塊豁出個口子。
這次，他們整出了個名叫PANDA （ pancreatic cancer detection , with artificial intelligence ）的 AI 大模型，根據簡單的平掃 CT 圖像，它就能做出胰腺癌相關的診斷。
這麼說吧，在臨床驗證中，研究團隊試驗了兩萬多個病例， PANDA 幾乎就沒咋漏診，99.9% 有胰腺癌的都給診斷出來了。
偶爾有一些誤診，也都是很容易排除的病變，像什麼脂肪浸潤、胃腸內容物等，醫生簡單審核下就能排除掉。
而用 AI 這點子，最早是上海市胰腺疾病研究所的曹凱醫生（也是這篇論文的共同第一作者 ）想到的。
在他身上還有這麼一小段故事，在大學期間，曹凱的實習導師也因胰腺癌去世，和很多患者一樣，他在確診的時候就已經是晚期了。
不過後來他在整理導師的病例資料時發現，在確診十個月前，導師就曾做過一次平掃 CT 。
雖然當時沒發現什麼苗頭，但帶著結論回過頭來分析，就能隱約看到到胰腺那裡有病變的跡象。
在這樣一個契機下，曹凱就想，既然人眼很難識別到平掃 CT 圖像里，早期胰腺癌病變的跡象，那不如藉助 AI 幫醫生先篩查一遍。
後來，他遇到了達摩院醫療 AI 團隊負責人呂樂，他們兩個在這塊不謀而合，這才有了現在的 PANDA 模型。
PANDA 幫忙篩查胰腺癌的過程說起來也很簡單，和醫生看片子也沒啥兩樣。
不過它憑藉強大的算法，注意到的細節比醫生肉眼看到的多得多，自然也能順利找到疑似病變的地方。
但要練好這麼一個 AI ，可不是動動嘴皮那麼容易的事。
它不像語言模型出錯了打個哈哈就能過去， PANDA 對準確性的要求非常高。
而判斷它看病好不好，還有兩個維度，一個是特異性，一個是敏感性。
要是特異性高了，就很容易漏診，敏感性高了，又會誤診。
而調這個漏診、誤診的 「 天平 」 ，歸根結底，還得看喂給模型的數據集和訓練模型的方法。
先是數據集，都說寵物毛髮順不順還得看主人喂什麼，在訓練模型上也是同樣的道理。
這塊研究團隊是下了血本，他們召集了來自各個醫院的48 個醫生，一共收集了3000 個病人的腹部 CT 圖像。
其中有大概 2200 多個胰腺癌患者，和將近 1000 個非胰腺癌的病人。
這 3000 個病人的數據，都是醫生們自己一個個手動標註的。
並且因為平掃 CT 圖的對比度太低，手動標註不太現實，所以他們都是在患者的增強 CT 圖上標註。
標註的過程也是相當專業，醫生們要勾畫每一層 CT 圖上腫瘤的二維圖像，每張有十多二十層，非專業人士是一點都幹不了。
畫出來的十多張二維圖像，疊加起來差不多就是整個腫瘤的三維圖。
要喂的數據準備好了，接下來就是選擇模型 + 訓練。
研究團隊先是搞了個配准算法，把之前標註的增強 CT 數據遷移到平掃 CT 圖上，讓AI 學會看平掃的 CT 影像。
後面，就是重頭戲了，雖說在醫學領域 3000 個數據已經算是相當多了，但對於深度學習來說這些量就是中規中矩。
所以他們只好在模型算法上更下功夫，好找補回來一些。
據達摩院團隊的張靈介紹，在選擇模型的時候，他們團隊先先後後試了好多種技術路線，最後搞出了一個 「 混合版 」 的模型，集分割、檢測和分類功能於一身。
而且這三個功能還不是各干各的，而是層層遞進、環環相扣。
就拿正常的一套完整的檢測流程舉例。
PANDA 在拿到平掃 CT 圖之後，先會用分割功能在整張圖像中找到胰腺的位置。
找到胰腺後，再啟動檢測功能，去看胰腺里有沒有啥不對勁的地方。
要是找到有異常的地方，就用第三步的分類功能，去識別這情況屬於哪種胰腺病變。
靠著這套模型和算法， PANDA 也開始在臨床試驗中，不斷疊代和更新。
這個過程就是個典型的 「 出錯—反饋—糾錯 」 的循環了，前前後後研究團隊大概花費了有一年的時間。
算法修正倒不是什麼大問題，比較麻煩的是前期的反饋：要怎麼修改這個 AI 。。。
就拿期間的一個例子來說， PANDA 有時會把脂肪浸潤的情況檢測出來。
光是這個情況，研究團隊就和醫生們討論了三個月，要不要讓它這麼 「 敏感 」 ，糾結了幾次最後才斃掉了。
當然，雖說 PANDA 的準確性已經相當高了，但在實際的檢測過程中，它只能起到一個初篩的作用。
它把醫生們看不到的病變找出來後，還是得讓醫生們再次把關，確保沒有誤診啥的。
去年 PANDA 模型已經成功上線，一些醫院以及體檢中心已經在用這個 AI 幫忙篩查了。
根據張靈的說法，到現在為止，他們已經用 PANDA 模型幫忙篩查了超過了50 萬個人。
並且這裡面，還成功發現並救治了兩個臨床漏診的胰腺癌患者。
其中有一個人，每年都會去醫院的體檢中心定期體檢，當時他在體檢時並沒發現什麼異常。
結果七個月後，在 PANDA 進行臨床試驗的時候，他的 CT 圖被檢測出了有 95% 的機率是胰腺神經內分泌腫瘤。
後來，醫院直接找來他，用增強磁共振檢查了一通，發現 PANDA 還真沒判斷失誤。
幸好腫瘤還在早期，早早手術割掉了，後續檢查時也沒再復發。
現在，研究團隊也還沒停下來，他們還想著進一步拓寬 PANDA 的篩查範圍。
張靈透露道，眼下在考慮的，是要不要把囊腫加到 PANDA 的檢測範圍內。
在未來，他們還打算把更多的癌症、甚至慢性病都納入進來，讓大家只要在體檢的時候做一次平掃 CT ，醫生通過 AI 輔助，就能看出這些疾病的苗頭。
或許有一天，在這個 AI 的協助下，所有的癌症，都能通過一次簡單的平掃 CT 在早期被發現。。。
最後，我覺得穆克吉寫的《 重病之王 · 癌症傳 》中的一段話，還挺應景的：
為了追上這種疾病的步伐（ 癌症 ），人類一而再、再而三地創造、學習新知識，揚棄舊策略。我們執著地與癌症進行抗爭，時而精明，時而絕望，時而誇張，時而猛烈，時而瘋狂，時而凜然。這場戰爭，人類已經持續了數千年。
為了追上這種疾病的步伐（ 癌症 ），人類一而再、再而三地創造、學習新知識，揚棄舊策略。我們執著地與癌症進行抗爭，時而精明，時而絕望，時而誇張，時而猛烈，時而瘋狂，時而凜然。這場戰爭，人類已經持續了數千年。
而差評君也希望，在這次 AI 開闢的 「 新戰場 」 上，人類可以徹底降伏癌症這頭猛獸。
撰文：松鼠 編輯：江江 & 面線 封面：煥妍
圖片、資料來源：
達摩院、Nature Medicine
機器之心，達摩院的AI研究，讓人類首次實現了大規模胰腺癌早篩
雷鋒網，達摩院迎戰「癌王」