不必要的話,癌症患者也不想要接受化療,但醫師心裡仍有疑問時,最有可能對癌症採取積極治療的方法。
凱斯西儲大學的研究團隊正在致力於對最常見的乳癌類型,改採新的治療方式。
這是 GPU 與人工智慧技術合力增進診斷與治療乳癌成效 – 全球女性第二大癌症死因的諸多研究活動之一。
哈佛醫學院病理學助理教授 Andrew Beck 說:「每名女性都會擔心自己是有可能罹患乳癌,在這方面已有長足進展,不過我們仍需要再更進一步。」
廢除一次要價4000美元的檢測
凱斯西儲大學的研究團隊針對美國國家癌症研究院指出,在整體乳癌病例裡占七成的「乳癌細胞對雌激素呈陽性反應」(ER 陽性)的癌症。在 ER 陽性的癌症病例裡,癌症細胞跟正常的乳房細胞一樣,都會收到來自雌激素促進它們成長茁壯的信號。
「每年診斷出罹患 ER 陽性乳癌的女性,其中絕大多數都不需要進行化療。」凱斯西儲大學生醫工程系 F. Alex Nason 教授 II,也是日前刊登在《自然科學報告》上之研究報告第一作者的 Anant Madabhushi 說。
醫師使用安可待乳癌腫瘤基因表現(Oncotype DX)檢測法來判斷癌症細胞的攻擊性,決定患者是否需要進行可能有掉髮、噁心、疲累等副作用的化學療法,或是進行副作用較輕微的荷爾蒙療法。然而許多人無力負擔一次要價高達四千美元的檢測費用,其中包括許多在開發中國家的婦女。
Madabhushi 跟他的團隊進行這項研究的目的,在於取代高昂的 Oncotype DX 檢測法,運用 GPU 加速深度學習技術來開發自動檢測法,在不破壞組織樣本的情況下加快診斷速度和提高精確度,而他們預估新法的費用僅需200美元。
Madabhushi 說:「有能力負擔切片檢查費用的人,就有能力接受我們的檢測,這會對全人類起到巨大的影響力。」
深度學習用於進行更精準的診斷
![已經擴散到淋巴結的乳癌細胞。圖片提供:Nephron/Wikimedia。 已經擴散到淋巴結的乳癌細胞。圖片提供:Nephron/Wikimedia。](https://nvidiastage.wpengine.com/wp-content/uploads/2016/09/Breast_carcinoma_in_a_lymph_node-625x500.jpg)
已經擴散到淋巴結的乳癌細胞。圖片提供:Nephron/Wikimedia。
Madabhushi 的研究只是眾多 GPUs 與人工智慧技術合力增進乳癌診斷與治療成效的例子之一。
在波士頓的兩支研究團隊也使用深度學習和 GPU,提高病理學家在淋巴結影像裡找出癌症細胞的能力。淋巴結是乳癌最有可能先擴散的地方。
「世界上訓練有素的病理學家人數還不足,我們試著減少他們的工作量,同時提高診斷的精準度。」哈佛醫學院助理教授,也是麻省總醫院臨床資料科學中心副研究員的李全政教授說。NVIDIA 為成立該中心的技術合作夥伴。
麻省總醫院與哈佛醫學院合作開發一套演算法,迄今達到了病理學家檢驗淋巴結組織 96% 的正確率。
人類與機器
「結合人工智慧技術與病理學家的知識,便可大幅提高診斷的精準程度,避免出現誤診。」李全政教授說。他說這在病理學家人數稀少的小醫院和開發中國家尤為適用。
李全政教授期望通過更強大的硬體,短期內就能見到顯著進展。九月初麻省總醫院臨床資料科學中心成為首批獲得體積小巧、功能強大,全球首具人工智慧超級電腦 DGX-1 深度學習系統的研究機構之一。
哈佛醫學院貝斯以色列女執事醫療中心的研究團隊結合深度學習分析和病理學家的知識,致力於將人類診斷誤差率減少 85%。
哈佛醫學院的 Beck 說:「這使得病理學家更能精準判斷癌症已經到哪一期和擴散情況,讓腫瘤科醫師提供正確的治療方式給乳癌患者。」
回擊攻擊性癌症細胞
史丹福大學潘德實驗室(Vijay Pande’s lab)的研究團隊正在著手研究梅奧醫院(Mayo Clinic)指出,有五分之一乳癌患者會出現的攻擊性 HER2 陽性乳癌細胞株。
這種癌症細胞裡出現會促進癌細胞生長,稱為人類表皮生長因子受體2(HER2)的蛋白質。化學系教授,也是史丹福大學 Folding@home 分散式運算計劃案指導員的 Pande 說,當前皆針對這種蛋白質進行治療,人類對它卻所知甚少。
他的團隊在 Folding@home 平台上運用機器學習和 GPU 時間,對 HER2 蛋白質進行至今最大規模的模擬活動。2014年以乳癌研究成果獲得 Compute the Cure 獎助金的 Pande 說,他們的目標是找出這種蛋白質發生突變,使得目前的治療方式失效之際,會出現什麼情況。
他們接下來打算運用深度學習技術找出更好的治療方式。
十月為乳癌防治宣導月。深入瞭解 NVIDIA 的 Compute the Cure 計劃如何協助對抗癌症。