Pada Konferensi Ekonomi Digital Global 2024, pengunjung mengunjungi peralatan medis AI yang digunakan untuk membantu dokter dalam diagnosis pencitraan. Chen Xiaogen
CT scan tunggal dapat membantu dokter mengidentifikasi berbagai jenis kanker, dan platform online dapat menyelesaikan koneksi sumber daya medis yang dipersonalisasi dalam hitungan detik... Dalam beberapa tahun terakhir, teknologi kecerdasan buatan (AI) secara komprehensif merevolusi semua aspek diagnosis dan pengobatan tumor .
“AI dapat menjalankan seluruh proses diagnosis dan pengobatan tumor.” Li Zhicheng, direktur eksekutif Pusat Penelitian Kecerdasan Buatan Medis di Institut Biomedis dan Teknik Kesehatan, Institut Teknologi Canggih Shenzhen, Akademi Ilmu Pengetahuan Tiongkok, mengatakan kepada seorang reporter. dari Science and Technology Daily, "Dari diagnosis pencitraan awal, identifikasi lesi, penerimaan pasien, hingga diagnosis patologis, visualisasi rencana pembedahan, dan bahkan pelacakan pemulihan saat keluar rumah sakit, intervensi AI terlihat dan nyata bagi dokter dan pasien.”
Membantu skrining dini tumor
Xu Zhonghuang, direktur Rumah Sakit Kanker Airui AS-Tiongkok di Beijing, mengatakan bahwa banyak pasien kanker sudah berada pada stadium pertengahan hingga akhir ketika didiagnosis dan kehilangan kesempatan terbaik untuk mendapatkan pengobatan. Skrining dini dapat membantu dokter mendeteksi kondisi pada tahap tanpa gejala atau prakanker, dan secara efektif mengurangi angka kesakitan dan kematian melalui intervensi dini. AI memiliki potensi besar dalam bidang skrining tumor dini.
Skrining tumor dini biasanya mengandalkan serangkaian metode pemeriksaan non-invasif atau minimal invasif, termasuk pemeriksaan pencitraan, deteksi penanda darah, dan diagnosis molekuler. Dalam hal ini, intervensi AI telah mencapai kemajuan yang luar biasa. Li Zhicheng percaya bahwa dengan dukungan teknologi pembelajaran mendalam berbasis gambar, kinerja AI dalam pemeriksaan tumor tertentu bahkan dapat melampaui kinerja pakar manusia.
Dalam dua tahun terakhir, jurnal internasional seperti Nature telah menerbitkan banyak penelitian tentang skrining tumor yang dibantu AI. Model CHIEF yang dikembangkan oleh tim Harvard Medical School tidak hanya dapat mendiagnosis 19 jenis kanker, namun juga menemukan lokasi lingkungan mikro tumor, memandu strategi pengobatan, dan memprediksi tingkat kelangsungan hidup. Model deteksi dini kanker pankreas PANDA yang dikembangkan oleh Alibaba Damo Academy memiliki akurasi 92,9% dalam menentukan keberadaan lesi. Hasil ini menunjukkan bahwa AI tidak hanya membantu diagnosis, tetapi juga memainkan peran penting dalam pengobatan yang tepat.
Praktik terkait telah menunjukkan peran AI dalam skrining tumor. Pada bulan Februari tahun ini, "Proyek Amal Pemeriksaan Dini Multi-Kanker AI Medis" Alibaba dikerahkan di Rumah Sakit Pusat Lishui dan institusi lain di Zhejiang, menerapkan teknologi AI medis inovatif dari DAMO Academy ke bidang kesehatan. "Proyek ini menyaring lebih dari 50.000 orang dalam waktu 4 bulan. Penyakit yang disaring termasuk kanker pankreas, kanker esofagus, kanker lambung, dan kanker kolorektal. 145 lesi kanker yang ditemukan di antara mereka telah dikonfirmasi secara klinis." Tim AI Medis Akademi Damo Penanggung jawab , Lu Le, menjelaskan bahwa dengan menggabungkan sejumlah besar data historis dan algoritme kompleks, AI dapat mengekstrak informasi tentang lesi kecil yang sulit dideteksi dengan mata telanjang dari gambar. Dalam tugas analisis gambar yang membosankan, AI juga dapat dengan cepat memproses data dalam jumlah besar, sehingga mengurangi tekanan pada dokter.
Xu Zhonghuang mengatakan bahwa kanker harus bergantung pada kolaborasi multidisiplin untuk merumuskan rencana pengobatan yang optimal, dan AI dapat membantu memecahkan masalah seperti kekurangan tenaga profesional dan tingginya biaya ekonomi dalam proses ini.
Mengambil contoh PANDA, Lu Le mengatakan bahwa model ini setara dengan menyatukan basis pengetahuan puluhan dokter dari berbagai profesi, dan mencapai fusi data lintas departemen dengan mengintegrasikan data multi-modal seperti data pencitraan, informasi genom, patologi. data, dll. Atas dasar ini, model tersebut dapat mengekstrak informasi lesi utama dan karakteristik patologi potensial, dan kemudian melakukan analisis komprehensif antar departemen.
Meningkatkan kesadaran akan kanker
Mempromosikan pemahaman ilmiah di bidang medis adalah dimensi yang lebih tinggi bagi AI untuk membantu diagnosis dan pengobatan tumor.
Tim Li Zhicheng telah terlibat dalam penelitian glioma selama beberapa dekade. Berbicara tentang status diagnosis dan pengobatan glioma saat ini, Li Zhicheng berkata: "Pemahaman ilmiah kami tentang penyakit ini masih terbatas. Dokter belum sepenuhnya memahami terjadinya, perkembangan, dan mekanisme kekambuhan glioma, dan belum menemukan mekanisme yang efektif dan kambuh. perawatan yang tepat.
Xu Zhonghuang merasakan hal yang sama. “Kurangnya pengetahuan tentang kanker membatasi metode diagnosis dan pengobatan. Dalam menghadapi penyakit yang sulit dan rumit, seringkali dalam praktik klinis kita hanya bisa menyeberangi sungai dengan merasakan batunya.”
Model diagnosis dan pengobatan AI yang ada juga memiliki keterbatasan. Li Zhicheng mengatakan bahwa banyak model dilatih melalui kumpulan data anotasi berskala besar untuk menemukan korelasi antara fitur gambar dan hasil klinis. Meskipun metode ini telah mencapai hasil yang luar biasa dalam hal akurasi, operasi "kotak hitam" ini tidak memiliki dasar penjelasan, sehingga sulit bagi dokter untuk sepenuhnya mempercayai hasil diagnostik AI. Oleh karena itu, sangat penting untuk kembali ke sumber pengetahuan medis.
Dalam hal ini, AI mempunyai banyak ruang untuk dimainkan. “AI dapat mengintegrasikan data multi-modal seperti pencitraan, patologi, gen, dll., memberikan analisis komprehensif multi-skala, dan membantu kita membangun 'potret' tumor yang lebih lengkap. Tumor adalah ekosistem yang terdiri dari sel-sel kanker yang kompleks, dan semakin detail potretnya. Semakin akurat, semakin dapat menemukan perilaku tumor dan target pengobatan potensial yang telah diabaikan di masa lalu, memberikan ide-ide baru untuk pengobatan front-end "kata Li Zhicheng dengan pengayaan yang berkelanjutan Dengan menggunakan data tingkat molekuler seperti genom dan proteom, AI diharapkan dapat mengatasi hambatan kognitif yang ada.
Xu Zhonghuang menambahkan: "Dalam menghadapi tumor yang tidak dikenal, jika AI dapat meningkatkan pemahaman manusia terhadap tumor tersebut, bahkan dengan langkah kecil sekalipun, AI dapat secara mendasar memberikan panduan metodologis baru untuk diagnosis dan pengobatan tumor serta benar-benar mengubah cara kita menangani kanker."
Berikan peran penuh pada data sebagai "pemberian nutrisi"
Agar AI dapat lebih memberdayakan seluruh proses diagnosis dan pengobatan tumor, penting untuk mendapatkan dukungan data yang berkualitas tinggi, komprehensif, dan besar.
Pelatihan model AI tidak hanya mengandalkan anotasi dokter, tetapi juga memerlukan data siklus klinis yang lengkap. Lu Le mencontohkan: "Selama proses pelatihan model PANDA, dokter tidak hanya perlu menyediakan data multi-modal seperti gambar patologis, laporan patologi, dan gambar CT, tetapi juga perlu mengkonfirmasi lokasi lesi secara manual dan menguraikan secara akurat. Itu pada CT yang disempurnakan. Kemudian, insinyur tersebut meneruskan Teknologi registrasi gambar tiga dimensi memetakan garis besar lesi tiga dimensi ke gambar CT polos, dan pada akhirnya memungkinkan AI untuk belajar mengidentifikasi munculnya tumor pankreas awal. pada gambar CT biasa.”
Dalam proses ini, hanya dokter dan tim AI yang bekerja sama secara erat untuk menyediakan data pelatihan berkualitas tinggi untuk model tersebut. Lu Le lebih lanjut menjelaskan bahwa tim algoritme AI medis mutakhir sering kali mengandalkan berbagai rumah sakit yang bekerja sama untuk menyediakan beragam data, yang sangat penting untuk meningkatkan kemampuan generalisasi model. Data dari berbagai rumah sakit memberi model AI latar belakang patologis yang kaya, membantunya merespons berbagai skenario klinis dengan lebih akurat.
Namun, karena masalah seperti banyaknya data yang dibutuhkan, banyak departemen yang terlibat, dan data yang tersebar, akuisisi data telah menjadi hambatan utama dalam penelitian AI kanker saat ini. “Tidak sulit untuk mendapatkan satu gambar atau data patologi, tetapi sangat sulit untuk mendapatkan semua data modalitas seperti pencitraan, patologi, dan gen untuk pasien yang sama pada waktu yang sama.” Li Zhicheng mengatakan bahwa ini tidak hanya membutuhkan kerja sama yang erat antar berbagai departemen, namun juga membutuhkan banyak waktu. Penelitian kanker saat ini sering kali tersebar di berbagai disiplin ilmu, dengan analisis gambar ditangani oleh teknisi pencitraan dan teknik, sedangkan data genetik diproses oleh personel patologi molekuler atau bioinformatika. Menghilangkan hambatan antar disiplin ilmu dan mengintegrasikan data masih merupakan tantangan besar.
"Data adalah 'nutrisi' dasar yang menentukan apakah AI dapat sepenuhnya memainkan perannya dalam layanan medis." Dalam pandangan Xu Zhonghuang, skalabilitas, standarisasi, dan keamanan data merupakan pertimbangan utama bagi rumah sakit ketika menerapkan AI medis. Rumah sakit harus mulai dari sekarang ketika merencanakan tata letak AI mereka, memastikan standarisasi entri data, pengarsipan dan manajemen, merancang kerangka kerja manajemen data yang masuk akal terlebih dahulu, dan mencadangkan antarmuka untuk pemrosesan data di masa depan. Keunggulan AI adalah dapat terus menerus menyerap data baru dan mengoptimalkan dirinya. Hal ini memerlukan sistem penyimpanan data rumah sakit yang dapat diperluas untuk memenuhi permintaan data multimodal yang terus meningkat.
Dalam hal keamanan data, Xu Zhonghuang percaya bahwa rumah sakit perlu membangun enkripsi data yang ketat dan mekanisme perlindungan privasi untuk memastikan bahwa aplikasi teknologi dapat memberikan dukungan yang dapat diandalkan untuk diagnosis dan perawatan klinis dengan landasan mematuhi hukum, peraturan, dan etika sosial.