在所有癌症裡，胰臟癌的存活率最低。
難怪 Dr. Elliot Fishman 一講到胰臟癌，整個人就變得很沮喪。
在全球最大胰臟癌治療中心之一的約翰霍普金斯醫院，擔任診斷放射科醫生的 Dr. Elliot Fishman，有著一項艱鉅任務，也就是從胰臟電腦斷層（CT）掃描影像找出胰臟癌的發展速度是否過快而無法治療的跡象。
胰臟癌的早期階段很少出現症狀，大多數患者在癌症開始擴散前不會進行 CT 掃描或其它檢查。不過等到癌細胞開始擴散，存活率即變得很低：只有 7% 的患者在確診後存活時間達到五年，這是存活率最低的一種癌症。
「我們的目標是早期發現胰臟癌，以便拯救生命。」Fishman 說。
Fishman 的目標是將 GPU 加速深度學習技術用於檢測工作上，以遠超過人類單獨能做到的程度及早發現胰臟癌。他帶領約翰斯霍普金斯醫院的 Felix 專案，這是一項由 Lustgarten 基金會支持價值數百萬美元的案子，目的在提高醫生檢測疾病的能力。
這支影片描述了胰臟癌侵入胰臟四周血管（即影像中央的分支狀結構）的情況，代表胰臟癌的發展速度過快，無法以手術進行治療。影片由約翰霍普金斯醫院的 Dr. Elliot Fishman 提供。
深度學習協助找出無聲殺手
位於胃袋後方長六英寸的胰臟，作用為將我們吃入的食物轉為人體細胞所需的燃料。胰臟藏在腹部深處，醫生很難在常規檢查中瞧見它，也難以用 CT 掃描等影像檢查方法來檢測腫瘤。
Fishman 等部分放射科醫師，每年要看過數千例病例，可是其他人卻沒有找出癌症病灶的經驗，尤其是在早期病變（器官與組織出現異常情況）尺寸還是最小而不易找出之際。
「要是人們有接受掃描，卻未進行診斷，那麼我們可以拿出什麼不同的作為？」Fishman 日前參加在聖荷西舉行的 GPU 技術大會，會中於演講活動提出這個問題。「我們覺得深度學習可以用於檢測胰臟癌。」
約翰斯霍普金斯醫院擁有大量胰臟癌相關資料，非常適合開發深度學習解決方案，以便教導電腦在 CT 掃描裡找出疾病。醫院的研究人員也有 DGX-1 人工智慧超級電腦，這是一項進行深度學習研究的重要工具。
在圖片裡金棕色標示出外形似魚的胰臟，位於腎臟上方和脾臟下方。圖片中央的黑色圓圈為腫瘤。圖片由約翰霍普金斯醫院的 Dr. Elliot Fishman 提供。
更準確地檢測胰臟癌
Fishman 跟一組電腦科學家、腫瘤學家、病理學家和其他醫師合作，協助訓練深度學習演算法，以找出胰臟和鄰近器官組織的細微結構變化，這些變化往往是發生癌症的首要表徵。
該團隊使用兩千張 CT 掃描影像來訓練演算法，其中八百張為胰臟癌確診影像。這並非易事。就算約翰霍普金斯醫院有著豐沛的資料，仍得為影像加上標籤，以指出判斷胰臟狀態的關鍵特徵。每個病例要花費四小時，是一項費時的艱鉅任務。
該團隊在進行專案的頭一年，訓練了一項演算法來辨識胰臟及四周的器官，達到 70% 的準確率。在今年的測試裡，深度學習模型檢測出胰臟癌的準確率已達九成。
更早加以診斷
該團隊現正研究未檢測出癌症的病例，以求改善演算法；並且還在致力於不只是辨識腫瘤細胞，希望預測出可能的存活率與患者是否能接受手術。
胰臟癌雖是罕見疾病，發病人數卻不斷增加，必須在短時間內找出答案。不久前它還是美國癌症致死的第四大原因，目前已是第三大原因。在我們介紹的同時，只有不到五分之一的患者能接受手術，而手術是治療胰臟癌的主要方法。
Fishman 運用深度學習檢測方法，或許代表可以更早診斷出胰臟癌。他估計在自己的病例裡，有近三分之一可以提早4到12個月就便檢測出。
「我們想要訓練電腦成為世上最優秀的放射科醫生，我們肯定能有所作為。」Fishman 說。
如欲更深入瞭解 Fishman 的研究資料，請見他在 GTC 的精彩演講：《The Early Detection of Pancreatic Cancer Using Deep Learning: Preliminary Observations》。
還有他近期提出的兩篇報告：
- 《Recurrent Saliency Transformation Network: Incorporating Multi-Stage Visual Cues for Small Organ Segmentation》，ArXiv 網站，2018年4月
- 《A 3D Coarse-to-Fine Framework for Automatic Pancreas Segmentation》，ArXiv 網站，2017年12月
* 本文主要圖片顯示胰臟癌細胞。