潮新聞 記者 朱平
羅定存教授在分析患者的病竈影像。受訪者供圖
近日，西湖大學附屬杭州市第一人民醫院羅定存團隊與西湖大學郭天南團隊、青島大學煙台毓璜頂醫院鄭海濤團隊，在國際外科學權威期刊【International Journal of Surgery】發表了最新文章，顯示研究團隊開展多維度機器學習，輔助甲狀腺乳頭狀癌風險分層研究取得突破性進展。團隊構建的甲狀腺乳頭狀癌術前風險評估分類器，在術前能夠良好區分低危和中高危患者。
去年底，阿裏達摩院透過AI研究，首次實作大規模胰臟癌早篩，目前，達摩院AI多癌篩查公益計畫已落地麗水，透過AI輔助當地醫生提高多種癌癥的篩查準確率和效率。
AI技術在臨床醫學上的套用正在提速，這讓生物醫療領域的未來有了更多想象空間，也讓從前不可及的前沿醫學成果快速實作轉化，讓普通百姓受益。
「羅醫生，這個手術我要不要做？」同樣的問題，從醫30多年的羅定存教授已經記不清回答了多少遍。
擅長甲狀腺腫瘤外科手術治療的羅定存，習慣用細長的11號尖刀片作為手術刀，行雲流水的「刀法」讓手術整個切除過程幾乎不出血，每年，他要完成上千台甲狀腺腫瘤切除術。正是臨床上豐富的經驗，讓他開始思考一個問題：作為目前發病率增長最快的惡性腫瘤，同是甲狀腺乳頭狀癌（PTC），有的容易轉移，有的進展很慢，有沒有比「一刀切」更科學的方法，在術前就準確甄別PTC患者的不同風險？
「甲狀腺周圍有很多神經、血管及副甲狀腺等重要組織，手術會給患者帶來創傷，也可能出現一些並行癥。」羅定存特別提到了老年患者，「老年人本身基礎疾病就多，手術風險比年輕人要大很多。」在他看來，如果能術前判斷出癌癥的風險度，臨床醫生以此采取保守、積極或者激進措施治療不同風險度的患者，可避免過度治療或治療不足，「對每位患者來說，需要的是個人化精準治療；對社會來說，需要的是醫療資源的合理套用」。
術前甄別甲狀腺乳頭狀癌的風險度難不難？羅定存教授介紹，在團隊進行這項研究前，醫生們還是按照傳統診療流程，透過采集病史，進行CT和超聲等影像檢查，結合臨床經驗做判斷，但即便是高級醫生，準確率也只有60%左右。
於是，羅定存教授團隊聯合郭天南教授和鄭海濤教授團隊，利用蛋白質、基因、免疫和臨床四維度資訊，讓AI與醫療大數據融合，迸出火花。
研究團隊收集了包括發現集、回顧性驗證集和前瞻性驗證集在內的558例臨床樣本，對樣本進行蛋白質組學測定，建立不同風險甲狀腺乳頭狀癌的蛋白質圖譜，采用機器學習成功構建了甲狀腺乳頭狀癌術前風險評估分類器(PRAC-PTC)，結果顯示，在PRAC-PTC輔助下，高年資臨床醫生評估PTC風險程度的準確率達到84%。
「目前，我們還在不斷完善提高效能，希望不久的將來能投入臨床。」除了準確度，羅定存還有個「小目標」，透過不斷研發，讓此類腫瘤風險評估分類器不僅即時高效，而且便捷實惠；同時給其他型別的癌癥分層診斷提供一種新思路。
在這項研究中，除了大量臨床數據，蛋白質組學研究功不可沒。
雖然蛋白質組學研究並非新鮮概念，但隨著AI技術的突破，相關套用開發正在快速發酵。它被越來越多的人視為開啟精準醫療的「鑰匙」。
研究團隊成員、杭州市第一人民醫院腫瘤外科李遠慧博士介紹，在甲狀腺乳頭狀癌四維度資訊中，每例樣本需納入5790個變量，「一例樣本就有這麽多變量，558例樣本，這個算力不是人肉能完成的。」
「AI模型就像個盒子，海量數據被它根據模型計算歸類，最終提取到我們想要的有效數據。」不過實際操作起來，這個過程並不輕松，李遠慧說期間團隊不停地進行模型調整、最佳化，光調整模型參數就花了好幾個月。
事實上，如果沒有AI技術，人類的理解力也不可能弄清如此多的蛋白質動態，因為它實在太復雜了。
對此，郭天南教授曾做過這樣的解釋：「蛋白質無時無刻不在發生變化，一場感冒都會改變很多細胞、蛋白質。而精準醫學就是根據病人當前的情況，給他提供最合適的診斷和治療方法。」
郭天南表示，有了蛋白質組學+AI，精準醫學將會提高到另一個層面。
事實上，在2022年，郭天南團隊就透過人工智慧的方式對甲狀腺結節蛋白質組學進行分析，建立了用於診斷結節良惡性的神經網路模型，準確率達到90%以上。
生物醫學進入「大數據時代」，而人工智慧和大數據有著不可分割的聯系，人工智慧在生物醫學中的套用是必然的大趨勢，已成為業界共識。可以預見的是，不斷提速的人工智慧套用，還將鼓勵生物學家、醫生、電腦科學家和數據科學家之間更緊密的合作，從而推動跨學科研究的發展。
「轉載請註明出處」
