人工智能 vs 乳腺癌专家，三个臭皮匠能否顶个诸葛亮？

导读

不断更新的医学知识，快速变化的科学证据，庞大的知识库让最优秀的肿瘤医生也面临着巨大挑战。例如，截至2017年10月，FDA批准了69种用于治疗乳腺癌的药物，不包括联合治疗方案。还有一项调查1117名肿瘤医生的研究报告显示，平均每周只有4.6个小时可以充电；而每周用于病人护理和行政任务的时间长达53个小时。在这种情况下中根本没有足够的时间来学习和获取相关的医学信息。人工智能（AI）有可能帮助解决这一难题。

IBM Watson for Oncology(WFO)是IBM与纪念斯隆-凯特琳癌症中心联合开发的一种认知计算系统，可以通过自然语言处理从一般文档中提取结构化数据。WFO平台使用自然语言和机器学习分析了海量的非结构化医疗数据，主要集中在乳腺癌，结直肠癌和肺癌。

人工智能程序“阿尔法狗”能够横扫围棋界，那么Watson又表现如何呢？近日，发表在Annals of Oncology上的一篇研究报告了WFO和来自印度综合癌症中心15人组成的乳腺癌多学科诊疗团队在乳腺癌诊疗上的对决，比较了两种方式给出的治疗建议的一致性。

研究方法

2014年至2016年期间，印度班加罗尔Manipal综合癌症中心为638例乳腺癌提供了治疗建议。 所有纳入的乳腺癌都为MMDT过去3年所收治，包括514例局部和124例转移患者。患者平均年龄为52岁，81％的病例表现为非转移性疾病。 在这些病例中，受体状态略有不同，更多HR阳性肿瘤患者（41％）和HER2 / neu阳性（29％）或三阴性（30％）肿瘤患者较少。

WFO在2016年分析了相同的病例及其临床信息，WFO和负责处理这些病例的医生不知道MMDT提出的治疗建议。2016年，该中心的多学科诊疗团队对所有未达成一致意见的病例进行了二次审查，以确定其建议是否会根据新的医学进展和指导方针改变。如果多学科诊疗团队的建议被WFO指定为“推荐”或“考虑”，则治疗建议一致。

研究结果

在93％的乳腺癌病例中WFO和多学科诊疗团队的治疗方案保持一致性。亚组分析发现，I或IV期患者与II或III期患者相比一致性较差。

年龄增长对一致性有重要影响。与<45岁年龄组相比，所有年龄组的一致性显著下降（P≤0.02; P <0.001），除了55-64岁年龄组以外。

未发现受体状态影响一致性。

结论

WFO和多学科诊疗团队提出的治疗建议对所有检查的乳腺癌病例高度一致。乳腺癌分期和患者年龄对一致性有显著影响，而受体状态本身并不影响。这项研究表明AI临床决策支持系统WFO可能是乳腺癌治疗决策的有用工具，尤其是在乳腺癌专家资源有限医疗中心。

WFO和多学科诊疗团队之间的非一致性发生在7％的病例中。在这些病例中，23％的病例的非一致性是由于印度的乳腺癌治疗方案与美国不同，这可能是由于国家之间的监管审批流程不同造成的，并且可以通过在知识库中纳入当地批准的疗法来弥补。

非一致性还可能源自患者亚组人群特征（如疾病负担，患者偏好和社会支持系统水平）的变化。事实上，当我们按年龄检测一致性时，发现随着年龄的增加，一致性降低，特别是在老年患者中。

这项研究有几个重要的优点：首先，它包含大量病例，并将WFO的建议与多学科诊疗团队的建议进行了比较。其次，多学科诊疗团队和WFO对彼此的治疗建议不知情，消除了对方先前评估的潜在影响。第三，多学科诊疗团队对原始评估与WFO之间的时间差异部分通过二次审查来解决。当然也有其局限性。

值得注意的是，WFO是肿瘤人工智能诊疗领域的代表，虽应用前景广阔但短时间内无法替代医生的角色，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，但诊疗活动可不是给出一个建议那么简单。

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(如转移)的处理上，WFO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。

WFO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。

参考文献：

Somashekhar S P, Sepúlveda M J, Puglielli S, et al. Watson for Oncology and breast cancer treatment recommendations: agreement with an expert multidisciplinary tumor board[J]. Annals of Oncology, 2018, 29(4):418–423.

推荐阅读