大家好，我是游明亮，新加坡國立大學(xué)醫(yī)學(xué)院博士/新加坡癌癥科學(xué)研究所博士后，現(xiàn)任杭州認(rèn)知醫(yī)學(xué)部總監(jiān)，專注于腫瘤學(xué)、精準(zhǔn)醫(yī)學(xué)、醫(yī)療大數(shù)據(jù)、醫(yī)療人工智能技術(shù)等方面的研究和應(yīng)用。
北京時間5月31日，我來到了美麗的芝加哥，未來一周內(nèi)將全程參與2018 ASCO年會，并通過微信平臺與大家交流，以腫瘤研究從業(yè)者的身份，從大洋彼岸為各位帶來本次會議的最前沿資訊，以及我個人的心得體會。期望與大家分享交流，相互學(xué)習(xí)，共同進(jìn)步。
1
智能時代，智慧出行
Day 2 —— 順利度過倒時差的適應(yīng)期，也經(jīng)過了會議第一天的充分預(yù)熱，我逐漸找到狀態(tài)，白天參會尋找會議亮點(diǎn)，晚上寫材料總結(jié)。簡單洗漱和用餐完畢，懷著對ASCO Day 2的滿心期待，我們驅(qū)車前往McCormick會議中心。 在上班高峰期的時間段，芝加哥的堵車一點(diǎn)不比上海差，看來堵車是世界上所有大城市的通病。我們根據(jù)Google推薦的路線，盡量避開了擁堵路段。期間也不時在感慨，我們身處大數(shù)據(jù)爆炸和人工智能時代，衣食住行已經(jīng)無處不體現(xiàn)人機(jī)協(xié)同，根據(jù)導(dǎo)航選擇出行路線就是智慧出行，雖然還沒進(jìn)入無人駕駛的階段，但這已經(jīng)是時代巨變的開始。
會議第二天的人流明顯比昨天多了很多，ASCO會議進(jìn)入了重頭戲階段。今天的日程比較滿，不管是口頭報告，壁報，展會都已經(jīng)開始。智能手機(jī)的普及使得我們開會再也不用捧著一本厚厚的會議行程，而是通過手機(jī)APP來方便我們查詢，ASCO的會議日程查詢和管理工具iplanner的使用使得我們在有限的時間里面，可以更有方向性的參與感興趣的會議和壁報，大大提高效率。
ASCO大會提供的日程查詢和管理APP
早上一到會場就遇到了很多國內(nèi)行業(yè)的Big shot。在Hall A的門口就巧遇吳一龍教授和梁軍教授，后面還有機(jī)會與各位專家進(jìn)行更深入的交流，期待后續(xù)的報道。當(dāng)然，ASCO會議期間也很期待各位教授精彩專業(yè)的分享。通過ASCO的會議日程查詢和管理工具iplanner，我了解到吳一龍教授（Wu Yi-Long）將有多個內(nèi)容分享，包括6個壁報和2個口頭報告，這些都是吳教授牽頭或者參與的工作，內(nèi)容非常精彩，我們后面幾天會有詳細(xì)報道。
與吳一龍教授、梁軍教授合影
2
通過AI技術(shù)，窺見醫(yī)療的未來
言歸正傳，我們今天關(guān)注的重點(diǎn)，是人工智能在臨床腫瘤診療方面的應(yīng)用。
與往年相比，根據(jù)2018年ASCO大會上所披露的內(nèi)容，人工智能在醫(yī)學(xué)領(lǐng)域的應(yīng)用，已經(jīng)滲透到各個維度。尤其在腫瘤學(xué)方面，人工智能已不再僅僅局限于輔助臨床決策等單一功能，而是逐漸囊括了臨床試驗(yàn)、預(yù)后分析、醫(yī)療費(fèi)用和社會服務(wù)等諸多方面。我在iplanner上檢索并挑選了幾篇非常精彩的人工智能主題壁報，為大家做一個簡單的展示，相信這些內(nèi)容可以為我們思考「智慧醫(yī)療的未來」提供富有啟發(fā)性的洞見。
一、認(rèn)知計(jì)算臨床試驗(yàn)匹配系統(tǒng)對腫瘤臨床實(shí)踐的影響
Impact of a cognitive computing clinical trial matching system in an ambulatory oncology practice.
而對于腫瘤患者，由于其復(fù)雜的基因組學(xué)信息、無結(jié)構(gòu)化的電子病歷及臨床試驗(yàn)入排標(biāo)準(zhǔn)，臨床試驗(yàn)的篩選難度日益增大。因此，梅奧診所攜手IBM Watson Health團(tuán)隊(duì)，發(fā)起了一項(xiàng)通過人工智能技術(shù)進(jìn)行臨床試驗(yàn)篩選匹配的評估研究。
從2016年7月開始，以乳腺癌系統(tǒng)性治療的臨床試驗(yàn)為切入點(diǎn)，首先由梅奧的醫(yī)生對Watson的智能臨床試驗(yàn)匹配（Clinical Trial Matching， CTM）認(rèn)知計(jì)算機(jī)系統(tǒng)進(jìn)行培訓(xùn)，使其利用自然語言處理技術(shù)，從電子病歷的非結(jié)構(gòu)化文本中提取患者信息，并與試驗(yàn)方案中的入排標(biāo)準(zhǔn)進(jìn)行匹配。隨后，由Watson CTM篩選后推薦的匹配臨床研究列表，會提交臨床試驗(yàn)協(xié)調(diào)員確認(rèn)，審核后提供給患者進(jìn)行最終選擇。
經(jīng)過18個月的實(shí)施，42% 的乳腺癌患者通過Watson CTM系統(tǒng)進(jìn)行了匹配，前后對比發(fā)現(xiàn)：系統(tǒng)應(yīng)用前的平均入組數(shù)為3.5例/月，系統(tǒng)應(yīng)用后的平均入組數(shù)為6.4例/月，入組速度提高了84%。在將一期臨床試驗(yàn)也應(yīng)用于該系統(tǒng)后，平均入組數(shù)更是達(dá)到了8.5例/月。結(jié)果顯示：臨床試驗(yàn)協(xié)調(diào)員通過運(yùn)用該系統(tǒng)，可高效持續(xù)地為每一位來訪患者提供參加臨床試驗(yàn)的機(jī)會。該系統(tǒng)可對數(shù)量龐大的病歷資料進(jìn)行有效篩選，并能增強(qiáng)患者參加臨床試驗(yàn)的意識。
該壁報的介紹者，是來自梅奧診所的Tufia C. Haddad 醫(yī)生。目前她們正在訓(xùn)練Watson CTM來識別梅奧的電子病歷系統(tǒng)信息，教Watson CTM怎么去自動讀取病歷信息，然后進(jìn)行高效的匹配。目前除了乳腺癌之外，在梅奧診所CTM也于其他癌種中進(jìn)行訓(xùn)練和使用，預(yù)計(jì)在不久的將來進(jìn)行多個科室的普及應(yīng)用。Haddad 醫(yī)生還指出，「訓(xùn)練」人工智能去讀病歷還是需要一定時間的，并且各個醫(yī)院的系統(tǒng)不一樣，因此 「訓(xùn)練」的過程或許也會有一些細(xì)微差異。中國的腫瘤患者的數(shù)量比美國多很多，但臨床試驗(yàn)入組的患者很少，可能不到1%。提到該產(chǎn)品如果在中國使用的巨大潛力，Haddad 醫(yī)生表示AI產(chǎn)品一旦開始使用，確實(shí)可以節(jié)省大量時間，因此她非?？春肁I在醫(yī)療領(lǐng)域的應(yīng)用前景。
美國Mayo Clinic的Tufia C. Haddad 醫(yī)生
二、采用人工智能的方法，預(yù)測乳腺癌患者中化療引起的中性粒細(xì)胞減少的發(fā)生風(fēng)險
Artificial intelligence methods to predict chemotherapy-induced neutropenia in breast cancer patients.
研究團(tuán)隊(duì)從ASCO CancerLinQ Discovery? 數(shù)據(jù)庫中，選取了10228例采用AC-T方案的乳腺癌患者數(shù)據(jù)，無論這些患者在化療前是否進(jìn)行了預(yù)防性粒細(xì)胞集落刺激因子（G-CSF）治療。研究團(tuán)隊(duì)設(shè)計(jì)并訓(xùn)練了8個邏輯回歸模型和4個神經(jīng)網(wǎng)絡(luò)，以對不同臨床決策階段的中性粒細(xì)胞減少的發(fā)生風(fēng)險進(jìn)行預(yù)測。
結(jié)果顯示，與既往研究（Lyman, 2011）相比，該研究方法提高了平均45%的預(yù)測準(zhǔn)確性，具體為：在化療前達(dá)到0.56陽性預(yù)測值（PPV）和0.92陰性預(yù)測值（NPV）。此真實(shí)世界大數(shù)據(jù)與AI算法相結(jié)合的方法，使得化療引起的中性粒細(xì)胞減少癥的預(yù)測效率，得到了實(shí)質(zhì)性的改善。在臨床實(shí)際應(yīng)用中，該創(chuàng)新方法可改善臨床決策效率，并通過對高風(fēng)險患者進(jìn)行早期干預(yù)，減少需住院治療的發(fā)熱和感染的發(fā)生率。
采用人工智能的方法，預(yù)測乳腺癌患者「化療引起的中性粒細(xì)胞減少」的發(fā)生風(fēng)險
三、乳腺癌治療前，通過「運(yùn)用機(jī)器學(xué)習(xí)技術(shù)的MRI檢查」和「HER2狀態(tài)」預(yù)測新輔助化療的療效
Predicting neo-adjuvant chemotherapy response from pre-treatment breast MRI using machine learning and HER2 status.
研究團(tuán)隊(duì)開發(fā)了一種機(jī)器學(xué)習(xí)結(jié)合深度學(xué)習(xí)、放射組學(xué)和臨床變量的方法，以對新輔助化療的療效進(jìn)行預(yù)測。通過對The Cancer Imaging Archive（TCIA）數(shù)據(jù)庫上的ISPY-1試驗(yàn)納入166例接受過治療前增強(qiáng)MRI和AC±T新輔助化療方案患者的數(shù)據(jù)進(jìn)行回顧性分析，其中49例達(dá)到pCR，117例未達(dá)到pCR。隨機(jī)將患者分為訓(xùn)練組（n=133）和測試組（n=33），通過集成了深度學(xué)習(xí)、放射組學(xué)和HER2狀態(tài)的多因素回歸模型，評估AUC曲線下方面積，并計(jì)算特異性和敏感性。
結(jié)果顯示，在測試組使用機(jī)器學(xué)習(xí)的方法，預(yù)測的敏感性和特異性分別為63%和84%；使用機(jī)器學(xué)習(xí)結(jié)合HER2狀態(tài)的方法，預(yù)測的敏感性和特異性達(dá)到了75%和92%。結(jié)合深度學(xué)習(xí)、放射組學(xué)分析和臨床信息的方法，為通過MRI對新輔助化療療效進(jìn)行預(yù)測，提供了一種潛在的可能，但實(shí)際效果仍需進(jìn)一步驗(yàn)證。
乳腺癌治療前通過「運(yùn)用機(jī)器學(xué)習(xí)技術(shù)MRI檢查」和「HER2狀態(tài)」預(yù)測新輔助化療的療效
四、真實(shí)世界中，「絕經(jīng)后激素受體陽性、HER2受體陰性的轉(zhuǎn)移性乳腺癌患者」采用系統(tǒng)性治療、CDK4/6抑制劑序貫治療方案的醫(yī)療費(fèi)用問題
Healthcare medical costs among post-menopausal women with hormone receptor positive and human epidermal growth factor receptor 2 negative (HR+/HER2-) metastatic breast cancer (mBC) managed with systemic therapy following CDK 4/6 inhibitor (CDKi) in the real-world setting.
研究選取并分析了2012年1月至2017年10月的「絕經(jīng)后激素受體陽性、HER2受體陰性的轉(zhuǎn)移性乳腺癌患者」在MarketScan Commercial和Medicare的理賠數(shù)據(jù)。
納入分析的患者，均接受了大于一線的CDK4/6抑制劑基線治療后序貫化療、內(nèi)分泌治療或依維莫司治療的方案。根據(jù)患者的健康狀態(tài)、治療階段及花費(fèi)等因素，生成分析模型?；熃M、內(nèi)分泌組和依維莫司組最后進(jìn)入統(tǒng)計(jì)的患者分別為193例、186例和70例。結(jié)果顯示：依維莫司組患者的人均月花費(fèi)，要顯著低于化療組患者，依維莫司組與內(nèi)分泌組花費(fèi)相似。
五、使用詢問機(jī)器學(xué)習(xí)分類器和放射組學(xué)的降維技術(shù)，預(yù)測神經(jīng)膠質(zhì)瘤分級
Interrogating machine learning classifiers and dimensionality reduction techniques for radiomic prediction of glioma tumor grade.
六、通過臨床算法或機(jī)器學(xué)習(xí)方法，從保險申報記錄中區(qū)分肺癌的分期階段
Classifying lung cancer stage from health care claims with a clinical algorithm or a machine-learning approach.
因?yàn)槠?，還有一些有趣的壁報無法在這邊詳細(xì)分享，我會陸續(xù)介紹一些相關(guān)研究。
從上述這些重點(diǎn)的AI主題壁報中，我們可以發(fā)現(xiàn)：通過機(jī)器深度學(xué)習(xí)算法，建立生存、預(yù)后、風(fēng)險評估模型是今年的熱點(diǎn)；通過對非結(jié)構(gòu)化文本信息進(jìn)行自然語言處理、從而建立臨床試驗(yàn)匹配系統(tǒng)是今年的亮點(diǎn)，比如梅奧診所的壁報內(nèi)容。
隨著越來越多的科技公司與各大醫(yī)學(xué)機(jī)構(gòu)展開深入合作，人工智能技術(shù)將憑借自身的優(yōu)勢，被更廣泛和高效地運(yùn)用到各種醫(yī)學(xué)場景中去，從臨床前研究到真實(shí)世界大數(shù)據(jù)分析；從基因組學(xué)、分子免疫學(xué)到病理、影像報告分析解讀；從輔助臨床決策到輔助指導(dǎo)科研等等，甚至可跳出一般意義上的醫(yī)學(xué)范疇范圍，從社會、經(jīng)濟(jì)、文化等諸多方面，對廣大患者及醫(yī)務(wù)工作者產(chǎn)生更加廣泛和深遠(yuǎn)的影響。
隨著技術(shù)的不斷更新進(jìn)步、人們對健康重視程度的日漸提高、以及醫(yī)療服務(wù)市場需求的持續(xù)增加，醫(yī)療人工智能未來可期。
3
人工智能與大數(shù)據(jù)公司巡禮
人工智能技術(shù)在醫(yī)療方面的應(yīng)用，離不開大數(shù)據(jù)的支持，因此在參觀壁報的同時，我也到參會的幾家大數(shù)據(jù)公司和人工智能公司的展臺進(jìn)行了深入了解。
一、IQVIA
IQVIA公司
IQVIA，是原來CRO大佬昆泰和醫(yī)療咨詢公司IMS公司合并而成，服務(wù)于衛(wèi)生信息技術(shù)和臨床研究的綜合行業(yè)。IQVIA是全球最大的合同外包研究機(jī)構(gòu)之一，致力于提供行業(yè)解決方案，使生命科學(xué)公司能夠充滿信心地進(jìn)行創(chuàng)新，最大限度地把握機(jī)會并最終推動人類健康發(fā)展。看到他們展臺上寫的Slogan：The human data science company，一下子覺得大公司就是不一樣，格局真高。IQVIA提供真實(shí)世界研究的解決方案，以后可以關(guān)注一下。
二、Flatiron Health
To improve lives by learning from the experience of every cancer patient
Flatiron Health公司是我很感興趣的一家公司，2012年成立至今發(fā)展迅速，致力于整合癌癥相關(guān)的醫(yī)療大數(shù)據(jù)，為醫(yī)院、制藥公司、患者提供全方位的服務(wù)。年初的時候Flatiron被羅氏以19億美元收購，此前羅氏已經(jīng)擁有該公司12.6%的股份，照此推算Flatiron Health的估值達(dá)到21億美元。
目前的Flatiron Health主要有兩方面的業(yè)務(wù)。一方面是針對醫(yī)療服務(wù)提供者，F(xiàn)latiron 為他們提供癌癥治療方面的電子醫(yī)療記錄（EMR/HER）和電子收費(fèi)系統(tǒng)，以及輔助患者的治療系統(tǒng)。另一方面則是針對機(jī)構(gòu)，比如說大的制藥公司、FDA以及各大高校的研究中心。這家公司的大數(shù)據(jù)基因，體現(xiàn)在他為了獲取足夠的患者數(shù)據(jù)，以極低的價格向醫(yī)療服務(wù)提供者出售軟件?？吹秸拱迳螰latiron的愿景：To improve lives by learning from the experience of every cancer patient，突然有點(diǎn)感動。
三、Cota Healthcare
Cota Healthcare 公司
Cota是一家醫(yī)療保健數(shù)據(jù)和分析公司，幫助供應(yīng)商、客戶和生命科學(xué)公司能夠優(yōu)化患者的預(yù)后，并降低所服務(wù)患者的總體成本。因?yàn)镮BM Watson for Oncology的下一個版本會結(jié)合Cota的真實(shí)世界證據(jù)（RWE），并將之納入到輔助治療決策意見之中，所以我特別關(guān)注了一下。
這家公司的Cota Nodal Address?（CNA）已獲得專利，這是由最優(yōu)秀的醫(yī)生和數(shù)據(jù)科學(xué)家建立的獨(dú)特的數(shù)字分類方法。 CNA是第一個也是唯一一個將患者因素、疾病和預(yù)期療法進(jìn)行精確分類從而實(shí)現(xiàn)規(guī)?；珳?zhǔn)醫(yī)學(xué)的系統(tǒng)。
四、IBM
最后，我來到了目前醫(yī)療人工智能領(lǐng)域的龍頭企業(yè)IBM的展臺。IBM Watson Health包含腫瘤臨床應(yīng)用的整套解決方案，比如：Watson for Oncology、Genomics、Clinical Trial Matching、Drug Discovery、Clinical Development platform等一系列AI應(yīng)用系統(tǒng)。
通過并購行業(yè)頂級企業(yè)比如Truven、Merger，或者與Cota這樣的真實(shí)世界大數(shù)據(jù)研究公司合作，IBMwatson已經(jīng)從多個維度快速切入了臨床醫(yī)學(xué)的應(yīng)用場景。
同時，作為IBM的最核心產(chǎn)品線，Watson項(xiàng)目組還在全球范圍內(nèi)招募了大量具有腫瘤學(xué)和基因研究背景的人才，構(gòu)建了強(qiáng)大的醫(yī)學(xué)專業(yè)團(tuán)隊(duì)，以對產(chǎn)品研發(fā)和運(yùn)營服務(wù)，提供全方位的支持。通過對Waston近年來發(fā)展的觀察，可以很放心地說，IBM已經(jīng)找到做醫(yī)療的感覺了。
4
未來已經(jīng)到來，只是尚未流行
作為目前醫(yī)療AI領(lǐng)域的先驅(qū)者和領(lǐng)導(dǎo)者，IBM注定要接受所有旁觀者和競爭者的評論和質(zhì)疑。
但是在探索和開創(chuàng)「智慧醫(yī)療新未來」的道路上，IBM也注定不會孤單。包括Google、微軟、亞馬遜、騰訊、百度、阿里巴巴在內(nèi)，這個星球上所有數(shù)得上的科技巨頭，都已經(jīng)開始大力發(fā)展醫(yī)療人工智能項(xiàng)目。「一花獨(dú)放不是春，百花齊放春滿園」，隨著大量資本和人才的加入，醫(yī)療AI行業(yè)在未來幾年的興盛，是必然的趨勢。
未來已經(jīng)到來，它只是尚未流行。
我感到非常幸運(yùn)，自己是作為參與者，而非旁觀者，來見證并加入這一「AI改變醫(yī)療、改變世界」的偉大歷史進(jìn)程。
目前醫(yī)療AI行業(yè)公認(rèn)的領(lǐng)導(dǎo)者：IBM
5
會議花絮
今天有幸獲邀參加IBM和AmericanCancer Society美國腫瘤協(xié)會聯(lián)合組織的一個panel discussion，主題是討論how technology can address health equity in oncology。
會議邀請到了許多知名專家，比如：
Otis Brawley教授,美國癌癥協(xié)會的首席醫(yī)療官，負(fù)責(zé)經(jīng)由研究和教育來提升腫瘤預(yù)防、早期篩查和治療水平。除了作為世界知名的腫瘤專家，他同時也是埃默里大學(xué)血液學(xué)、腫瘤學(xué)和流行病學(xué)教授，佐治亞癌癥中心醫(yī)學(xué)總監(jiān)，埃默里大學(xué)Winship癌癥控制研究所副主任。
Michael Kelley教授,美國退伍軍人事務(wù)部國家腫瘤項(xiàng)目主任，杜克大學(xué)癌癥研究所醫(yī)學(xué)教授。
DorisBrown教授，美國國家醫(yī)學(xué)聯(lián)合會主席，在醫(yī)療管理和處理國際國內(nèi)事務(wù)方面有著多年的實(shí)踐經(jīng)驗(yàn)。
此外，參會的還有IBM首席健康官KyuRhee醫(yī)生。
整個會議過程中，幾位專家討論了經(jīng)濟(jì)、地區(qū)、教育程度的差異對醫(yī)療健康平等性的影響，并結(jié)合各自30多年的醫(yī)療健康從業(yè)經(jīng)驗(yàn)，分享了對當(dāng)前科技在消除醫(yī)療健康平等性不足方面的作用。
大家一致認(rèn)為人工智能和移動互聯(lián)網(wǎng)等先進(jìn)科技，將會、甚至已經(jīng)對醫(yī)療健康領(lǐng)域產(chǎn)生顛覆性的影響。大家希望通過舉辦ASCO這一類學(xué)術(shù)教育會議，來傳遞這些信息，培訓(xùn)未來能使用人工智能等各種新科技的醫(yī)生和健康行業(yè)從業(yè)者。
期待未來，著眼當(dāng)下。這和我們「認(rèn)知腫瘤」想做的事情是一樣的：通過分享行業(yè)信息，與腫瘤醫(yī)療領(lǐng)域的專家和眾多從業(yè)者進(jìn)行交流，互相學(xué)習(xí)，一起推動行業(yè)的發(fā)展。
明天是會議的第三天，我們會分享腫瘤治療的新技術(shù)，尤其是當(dāng)下最熱門的免疫治療和細(xì)胞治療。
這邊稍微劇透一下，下圖的展臺是我很關(guān)注的一家公司，他們的產(chǎn)品與2017年David A.Karnofsky戴維·卡爾諾夫斯基紀(jì)念獎的獲得者所研究的領(lǐng)域密切相關(guān)，我在前文也有提到過。
大家可以留言回復(fù)這家公司的產(chǎn)品，答對有驚喜哦。
▼
最后，繼續(xù)來個彩蛋，這次是關(guān)于芝加哥360°(360 Chicago)，專用的高速電梯以每分鐘 1600 英尺（488 米）的速度呼嘯而上，到達(dá)第103層觀景臺僅需55秒。想知道在頂上可以看到什么風(fēng)光，盡情持續(xù)關(guān)注認(rèn)知腫瘤公眾號，我將在完結(jié)篇中跟大家細(xì)細(xì)分享。
聯(lián)系客服
