CSCO多维呈零氪AI应用 恒瑞联手邻客

“使一部机器的反应方式，像一个人在行动时所依据的智能。”1956年的达特茅斯会议所定义的“人工智能（AI）”，在60多年后的今天，似乎变得不再那么遥远。

在医疗领域，当AI可以预测化疗患者发生骨髓抑制的风险，让医生提前调整用药方案；当AI具备处理多组学数据的能力，帮助肺癌早筛查更加精准……人们看到，AI正在真正成为医生的得力“助手”。

9月19日，2019中国临床肿瘤学（CSCO）年会在厦门召开，零氪科技主办的以“零航数智，氪话未来”为主题的的卫星会上，东部战区总医院全军肿瘤中心主任、CSCO副理事长秦叔逵教授，北京大学国际医院副院长、CSCO副理事长梁军教授，梅奥诊所创新中心发展与医师伙伴副主任SandhyaPruthi等国内外临床专家、医疗大数据与人工智能学者深入探讨大数据赋能医疗的新方向。

在会议现场，中国医科大学附属第一医院肿瘤内科主任刘云鹏教授联合零氪科技首次发布了“化疗后骨髓抑制风险预测AI”；复旦大学附属中山医院胸部肿瘤和呼吸介入科副主任胡洁教授介绍了如何利用多组学数据，研发AI用于肺癌早筛查……一次次拓展了人们对医疗AI应用的想象空间。

秦叔逵：AI已经成为医疗领域不可或缺的驱动力

秦叔逵教授表示，随着“健康中国2030”规划的不断推进，健康医疗大数据作为国家基础性战略资源的重要地位被不断凸现出来。AI引领人类进入创世纪的发展阶段，其在肿瘤领域的应用备受关注，已经成为医疗领域不可或缺的新驱动力，为各种棘手难题提供最佳解决方案。

“从诊断到治疗，从影像到病理，从转化研究到临床，从新药创新到多种治疗方案探索，都可以通过医疗大数据、AI等新技术去赋能，改变原有诊疗与研究方式。”秦叔逵教授说。

梁军：AI的应用源于临床，回归临床

北京大学国际医院副院长、CSCO副理事长梁军教授则谈到，在临床应用落地时，一定要医工高度结合，由临床医生思考诊疗过程中的难点并提出问题，由AI研究人员有针对性地配合临床医生寻找解决这些问题的方法，从而真正让AI的应用源于临床、高于临床、回归临床。当然，“未来AI的发展还需要依赖临床大数据中心和各肿瘤领域专家来开展多中心研究和临床试验，为AI的参数设定和有效性提供支持依据”。

刘云鹏：AI“善”医事，“利”医器

基于AI“源于临床，回归临床”的理念，临床专家也不断进行探索。在本次CSCO上，刘云鹏教授联合零氪科技首次发布了“化疗后骨髓抑制风险预测AI”。

刘云鹏教授说道，“人机协同”将是未来医疗的新常态。AI可以从多个维度赋能医生临床工作，尤其对于一些棘手临床问题比如肿瘤治疗，具有巨大的临床价值，“可以解决大量未被满足的需求”。

刘云鹏教授之所以选择从“化疗后骨髓抑制”切入，也是基于实际临床工作。数据显示，预计2018—2040年，全球癌症的发病人数将从1700万增加到2600万，而在2018年，全球最佳化疗利用率为57.7％。骨髓抑制是化疗的主要副作用，不仅延缓化疗的进行而影响治疗效果，而且可能导致并发症而危及患者生命。

“若在化疗前或化疗过程中可对患者进行早期评估，预测、识别可能发生骨髓抑制等常见毒副作用的高风险患者，提前对患者的用药方案进行调整，可显著提高治疗效果和安全性。”刘云鹏教授说。

基于大量化疗患者的治疗数据，刘云鹏教授与零氪科技合作，研发“化疗后骨髓抑制风险预测AI”。通过算法，共同建立针对化疗结果评估的AI预测模型——即在患者进行化疗前和化疗初期，通过该模型预测不同化疗方案选择时，患者出现骨髓抑制的风险概率，从而辅助医生为患者制定个体化的诊疗策略，降低患者发生骨髓抑制的风险。同时，也可帮助医生和患者对治疗效果设定合理的心理预期。

刘云鹏教授介绍，目前通过AI进行骨髓抑制风险预测已在临床进行了应用和验证，数据显示，AI对血红蛋白抑制的预测敏感度达到90%以上，特异性也超过了75%。

刘云鹏教授提到，在AI的应用中，除了化疗所致毒副反应预测，也以从辅助诊断、制定临床决策等方面进一步提升临床工作的效率，减轻临床医生的工作压力，这其实也有巨大的应用空间。“不过欲使AI更好落地，AI技术企业的医学理解水平和具有足够高质量临床数据的医疗机构是必备的条件。基于高标准、高质量的数据，加上医学专家与AI技术专家的知识融合，才可通过AI模型的建立和广泛的临床应用，为临床带来真正改变。”

胡洁：探索多组学下肺癌早筛的AI升级

胡洁教授在探索医疗AI的过程中，则将目光聚焦到肺癌筛查。

NLST一项研究证明，肺癌筛查与不筛查相比可使死亡率降低25％以上。但当前我国肺癌早筛面临巨大挑战，一方面是影像科医生短缺、医师工作压力大，另一方面，全社会老龄化趋势严峻，海量胸部影像数据需及时精确的分析。

而AI在改善肺癌筛查中可以发挥巨大作用。如以AI结合影像学和生物标志物，助力肺癌早期筛查——使用计算机辅助诊断（CAD）使胸部CT更易于解释；使用生物标志物检测早期肺癌，找出最佳目标人群或帮助分类肺结节。

而在胡洁教授看来，更具革命意义的是，生物学研究领域掀起一场“组学革命”，并产生大量数据，这使得医生进行医疗决策的信息维度不断增多，若可整合基因组学、转录组学、影像组学等多组学数据，使这些不同维度信息为临床决策和科研工作所用，将促进精准治疗的发展。

以肺癌筛查为例，基于对海量数据的分析和学习能力，AI在肺癌早筛方面已进行的相关探索，如影像方面深度卷积神经网络（CNN）的应用、多种生物标志物检测技术的应用虽已提高了临床诊断率，但仍具有一定局限性。

“目前的AI，大多依靠单一数据来源建立能力。如果综合多通道、多模态数据对AI实现能力提升，是否可以成为下一代AI的探索方向？”这是胡洁在临床研究上一直在思考和探索的。因此，她与零氪科技合作，通过影像组学、液体活检等临床多组学数据的处理，应用多模态AI建模用于肺癌早期诊断可在一定程度上进一步提高诊断效率及准确率。

在这个过程中，胡洁教授认为最有难度的挑战是，多模态AI建模需要相关技术方面突破海量多组学数据智能处理，多通路数据的归一化，以及相应的建模能力，需要对医学和生物信息学有足够的理解能力，更需要多学科跨领域紧密合作。

张天泽：从需求出发，做有“温度”的AI

人们看到，医疗行业对AI已经有了较为清晰的认识和临床应用需求，AI已经不再是“飘渺”的概念。但不可否认的是，囿于临床诊疗的复杂性、多变性，使临床诊疗很难如其他行业一样被简单“规则化”，这使得很多临床医生对AI应用仍抱有较谨慎的态度。

“但整体来讲，临床专家同AI研发者达成了一定应用共识，即在具体的临床问题和科研场景中，共同探索和开发AI的应用空间，其目的正是为了使AI回归临床，发挥其辅助作用。”零氪科技CEO张天泽在接受采访时谈到。

他说，科技最大的价值就是能够扮演人类助手的角色，即辅助医者让其更有效率地开展工作，从而更好地造福患者。零氪科技致力于为临床专家提供了技术和工具，如在辅助诊断、制订治疗方案、患者管理、科研工作等方面，针对临床未被很好满足的需求，提出更好的数据智能化解决方案。零氪从患者需求出发，围绕着疾病诊断和治疗主线，利用创新的AI技术，为临床医生提供更好的临床诊疗思路和解决方案。

零氪AI具有海量多组学数据的处理能力，能够将临床上的多组学数据（文本、图表、影像和基因类数据）标准化、归一化，从而更好地处理多组学数据，应用多模态的AI建模能力。这一点在技术层面是有难度的，出于与临床医生充分沟通而形成的解决方案，使得零氪的AI能力最终在风险预测、筛查等具体临床应用场景中，实现了对医生临床诊疗及科研的赋能。同时，零氪基于多通道信息融合技术而构建的AI算法模型也更准确可靠。

无论是借助AI开展化疗后骨髓抑制的风险评估，还是攻克多组学数据处理和AI建模的技术关键点，零氪所依靠的是一批既懂数据、信息技术、互联网又理解医学的复合型人才，其AI工程师在临床一线，与使用AI的医生紧密地沟通交流，形成研发、应用、反馈的工作常态，这样的协作过程也使医生通过实践不断提升对AI的理解与认知，从而更多地挖掘临床痛点，研究解决方案，从而真正地将AI技术和临床问题结合在一起，推动AI产品可以始终贴合临床需求进行迭代升级。