top of page
搜尋
drsotszhim

臨牀腫瘤專科蘇醫生專欄: 人工智慧如何改變癌症醫學





ChatGPT 的出現打開了人工智能與日常生活工作的序幕.


人工智慧(AI)是指能夠模仿人類智能的電腦系統,AI可以幫助醫生診斷疾病,提供個性化的治療方案,監測病情變化,並提高醫療效率和質量。AI更具體地說是它的機器學習 (ML) 分支,可以處理大規模和異構數據集以辨別醫學相關模式. 癌症的診斷和治療需要精確和及時的信息,例如細胞組織學、基因變異、腫瘤標記物、影像學等。然而,這些信息往往是分散在不同的數據庫和平台上,且需要專業的知識和技能來分析和解釋。


AI可以幫助醫生快速和準確地診斷癌症。例如,AI可以利用深度學習的技術,自動識別和分類細胞組織切片、血液樣本、X光片、CT掃描等影像數據中的正常和異常細胞或組織。AI也可以整合不同類型的數據,例如基因測序、腫瘤標記物、臨床記錄等,來提供更全面精準的診斷報告。再進一步, AI可以幫助醫生制定最適合每個患者的治療方案。例如,AI可以根據患者的基因型、表型、腫瘤特徵、臨床歷史等信息,預測不同治療選項(例如手術、放射治療、化學治療、免疫治療等)對患者的效果和副作用。AI也可以根據患者的反應和進展,動態調整治療計劃,以達到最佳的臨床結果。


即使對於已經醫返好啲病人嚟講, AI仍然有好大的作用. AI可以幫助醫生監測患者的病情變化和復發風險。例如,AI可以利用可穿戴設備、智能手機等收集患者的生理信號、活動數據、自我報告等信息,並通過雲端平台將這些信息傳送給醫生。在而家每人也有超過一部手機的情況, 利用這一些人工智能監測技術, 可能可以大大取代病人需要逼爆長時間等候公立醫院的康復病人門診. 一方面減低病人浪費時間, 另一方面也可以騰出醫生的時間和其它資源,去處理其他需要治療的病人.


精準腫瘤學的概念涉及針對個體患者腫瘤的分子驅動改變的治療處方。近年來,通過將分子譜分析方法越來越多地整合到主流臨床腫瘤學中,以及批准了各種改善多種癌症類型患者臨床結果的分子靶向藥物,這種治療模式得到了加速。Herceptin等靶向療法已分別成為表達 HER2 的乳腺癌或 BRAF 突變黑色素瘤患者的標準治療,免疫檢查點抑製劑最近獲得了組織不可知論批准,用於治療腫瘤表現出微衛星不穩定性 (MSI High)的患者。隨著個性化癌症醫學的出現,抗腫瘤藥物和伴隨診斷檢測的組合經歷了前所未有的擴展,大量的臨床試驗正在為最匹配的患者探索最有效的治療方法。


AI也可以中醫藥相結合,以現代化傳統中醫藥治療。AI技術可以幫助分析中醫藥的成分、作用和相互作用,從而提高中藥的質量、安全性和有效性。例如,利用AI技術可以對中藥材進行快速識別、篩選和優化,並根據不同的臨床需求設計個性化的中藥處方。另一方面AI可以幫助提高中醫診斷方法的準確性和客觀性,並實現其數字化和標準化。例如,利用AI技術可以對中醫四診法進行量化和自動化,並利用深度學習算法對大量的臨床數據進行分析和挖掘,在這方面早幾年已經有美國大學, 成功使用代替影像學發的技術, 模仿中醫的看舌頭.治療方面, AI技術可以幫助優化中醫治療方法,並提高其效果和便利性。例如,利用AI技術可以對針灸、推拿、氣功等非藥物治療方法進行智能化和個性化的調控. 達到可以中醫精準醫學.



隨機森林算法應用於循環 microRNA可以在術前準確診斷膠質母細胞瘤,其他類型的 ML 分析應用於在無漿細胞核酸中測量的 DNA 甲基化特徵,實現了腫瘤檢測和分類的穩健性能然而加速臨床工作流程和提高早期癌症檢測率. (亦即是之前在youtube所講的新一代癌症篩查方法)

例如我們現在剛確診的癌症除了一般病理化驗, 未必全部病人的腫瘤也會進行全基因排序。 但在可見的將來 ,假如是能夠負擔的 ,早一點做這個全基因排序有好處。 主要是早一點了解整個腫瘤的基因密碼然後把這個數據交給人工智能分析。 那麼對於使用哪些藥物去治療該一位病人 的腫瘤便可以更有針對性。


現時一般 基因排序報告通常只會列出最重要的Driver mutations. 通常針對標靶藥物的選擇主要就是針對這一些Driver mutations. 而其他沒有那麼重要的輔大基因變異一般只會收錄在符錄。 但這些 現在認為沒有重要性的Passenger mutations 是否也會影響整個腫瘤對於藥物反應又或者對於放射治療的反應仍然是一個很大的unknown. 但由於基因結構的複雜和數據實在太多樣, 再加上這些Passenger mutations 可能每一個對於整個腫瘤的作用是非常細微. 但他們加起來 可能就有一個重大的意義。( 情況就如管弦樂 有很多樂器 和樂手, 單任何一個樂器樂手都做不了漂亮的音樂) 這樣複雜的數據庫單靠 研究人員分析恐怕要用很多時間。 人工智能在這方面可能會找出一些我們未知道的 Uncharted waters.


另外現在除了腫瘤基因測試以外, 病人本身的 基因 一般較少作為分析。 但其實病人正常細胞的基因 對於藥物反應點, 又或者對於整個病的發展與後和疾病的成因可能可以作出重要嘅提示。 數據量實在太大 ,相信只有人工智能協助才能夠分析得到。


為實現這一目標,需要臨床和分子信息的人口Big data. ML 模型也特別有希望通過識別患者特徵的最佳組合來改進這些預測,如果提供適當的輸入訓練數據,這些特徵可能包括一系列非遺傳性腫瘤特徵.為了克服缺乏大型、註釋良好的患者數據集所帶來的限制,一些研究試圖使用機器學習模型來預測臨床表型,這些模型是根據來自患者來源的異種移植物的臨床前實驗系統的響應數據訓練的 或大規模體外藥物反應研究. 亦即是說未來新藥物的研發, 不一定有大型臨床研究. 而是靠過ML 去尋找和配對最合適的藥物.這個新興領域可能具有推進精準腫瘤學的巨大潛力。


以往講過其實現在最新的癌症疫苗, 相信四五年後應該在市場推出。 那麼到時不少癌症 病人都可以度身訂做 一支增強抗癌免疫力的疫苗, 令到本來難以 治療的癌症都有可能根治。 但癌症疫苗的第一步是要分析 病人腫瘤上面的 重要 腫瘤抗原, 其實這一部也是需要大量的machine learning 運算能力去挑選能夠刺激免疫力抗癌,又不會產生自身免疫力的抗体。


從以上眾多例子看來, 人工智能對於癌症治療將會在未來幾年產生非常 深遠的影響。 而呢一個重大的突破將會大大改變現時腫瘤科醫生治療癌症的方法。 但要推進這一種療法 ,最重要的是computing power. 台電腦運算能力需要優質的CPU 和GPU.


所以其實在醫學上未來幾年也可以說真的 “得晶片者得天下”, “得數據者得天下”。




23 次查看0 則留言

最新文章

查看全部

Comments


文章: Blog2_Post
bottom of page