德州大學安德森癌症中心的研究人員利用人工智慧來改變照護癌症患者的方式

作者 NVIDIA

為了從資料中找出真正寶貴的見解,人工智慧與資料科學研究不能只是放在研究機構的偏僻角落裡 – 它必須成為組織核心策略的一環。

在癌症醫院類別裡全美排名第一的德州大學安德森癌症中心便正在進行這件事,他們全新著重的點是資料治理,還有數十名研究人員正在進行的人工智慧加速腫瘤學項目,以求給予患者更優質的照護。

日前被任命為安德森癌症中心首位資料長的 Caroline Chung 博士說:「我們把焦點放在上下文環境中的資料,確保我們具備一個有完善協調的元資料供應鏈,以解決目前在使人工智慧模型轉化為臨床影響方面的挑戰。為了建立一個更完美健全的預測模型,我們需要一個協調的策略,涵蓋從資料生成到在臨床應用機器學習見解的每一個步驟。」

這項資料治理策略將影響蒐集和使用醫院資料來產生寶貴見解的方式,以及達到資料的可查找性、可取得性、可互通性及可重複使用性。

Caroline Chung 博士說:「這是一次重大的文化變革。我們取得愈多帶有上下文資訊的資料,就能提出愈複雜的問題,使得我們更有可能利用機器學習所得到的見解,幫助我們的臨床醫生改善與患者之間的互動,藉由資料帶出治療方面的決定,配合照護目標讓患者擁有最佳的治療照護結果。」

建立一個收集研究人員所需的優質資料、安全儲存並追蹤其使用情況的管道,安德森癌症中心著眼於提供更好的支援給各項專案,幫助臨床醫生分析放射學資料、提供癌症治療和預測敗血症等併發症。

其中許多案子已經正在進行,並且使用 NVIDIA DGX 系統等有著 GPU 支援的新技術來加快執行速度。安德森癌症中心即將上線的新投資案,將讓研究人員能夠獲得數以千計個額外的 GPU 核心,以支援整個機構的人工智慧專案。

將人工智慧用於診斷影像

腫瘤學的第一步是檢測腫瘤 – 而且是愈早愈好。安德森癌症中心正在開發早期檢測人工智慧應用程式,以幫助診斷胰臟癌患者,胰臟癌患者的五年存活率只有 10%

安德森癌症中心胃腸放射腫瘤學聯合主任 Eugene Koay 博士說:「往往要到轉移後,才會診斷出胰臟癌,這代表它已經擴散到其他器官。我們正在研究人工智慧模型,以便在進行 CT 掃描、MRI 研究或內視鏡超音波中隨時分析胰臟,無論病人約診是否跟胰臟有關。」

並非所有的胰臟腫瘤都是一樣的。有些是發展遲緩,有些猛烈發展。有些源自胰臟囊腫,有些則不是。

Koay和他的團隊與早期檢測研究網路合作,正在研究卷積神經網路,以找出哪些病例最有可能發展成惡性癌症,臨床醫生便能提供更好的支援給高風險患者。

從影像中得到的見解為治療計畫提供資訊

在準備對癌細胞進行放射治療時,腫瘤學家會使用稱為輪廓勾畫(contouring)的過程,以追蹤放射治療要鎖定的腫瘤。

這個過程非常曠日費時,腫瘤學家通常手邊堆著一堆要替病人制定的放射治療計畫。安德森癌症中心放射物理學副教授 Laurence Court 博士希望通過人工智慧這項工具,減輕人工進行輪廓勾畫的負擔,醫院每年就能多治療數千名癌症患者。

他特別有興趣想要瞭解這些人工智慧臨床工具在資源匱乏的環境中,可能產生的影響性。在那些環境中,由於缺少放射科醫生和腫瘤科醫生,人們更難獲得拯救生命的放射治療。

規畫 MRI 輔助放射手術時也會用到輪廓勾畫技術,這是一種先進的近接放射治療方式,通過植入的核種將輻射劑量傳遞到癌組織。安德森癌症中心放射腫瘤學家 Steven Frank 博士使用這種方式來治療前列腺癌。

在 MRI 影像上準確勾畫前列腺和周圍器官的輪廓,確保將具有輻射的核種送入正確區域以治療癌症,又不會傷害鄰近組織。

安德森癌症中心的醫學影像物理研究員 Jeremiah Sanders 博士說,透過採用利用先進 GPU 技術的人工智慧模型,安德森癌症中心的腫瘤學家提高了近距離放射治療計畫和治療品質評估的輪廓品質,Jeremiah Sanders 博士正在 Steven Frank 博士的實驗室中開發轉化型人工智慧。

Sanders 與 Frank 還在研究一個用於完成近距離放射治療程序後的模型 – 這個人工智慧應用程式會分析前列腺的 MRI 研究影像,以判斷輻射輸送的品質。從這個模型獲得的見解可以協助臨床醫生判斷是否需要額外的治療,還有如何在治療後管理患者。

時時對模型準確性保持警惕的人工智慧

為了讓人工智慧模型在臨床環境中順利執行,醫學研究人員需要找出神經網路難以應付的情況,重新訓練它,以提高應用程式的效能。

安德森癌症中心影像物理學和放射物理學教授 Kristy Brock 博士正在進行一個異常檢測項目,以判斷人工智慧模型無法從 CT 掃描影像中勾勒出肝臟腫瘤輪廓的情況 – 例如病人在肝臟內有支架或器官周圍有液體的異常影像。

研究人員找出這些罕見的失敗情況,便能引入額外的訓練範例,這些範例跟神經網路過去偶然發現的案例相似。這種連續訓練方法有選擇地加強訓練資料,以更有效率的方式提高模型效能。

Kristy Brock 博士說:「我們不想繼續收集跟前 150 次掃描影像看起來一樣的資料,而是想找出能夠增加樣本資料集變異性的案例,這麼一來又能提升模型的準確性和可推論性。」

安德森癌症中心是數間採用人工智慧來改善醫學研究和病患照護的頂尖醫療機構之一。在舉行至 11 月 11 日的線上 NVIDIA GTC 大會裡,提供更多醫療領域運用人工智慧的相關資訊。

11 月 9 日上午 10:30(太平洋時間),歡迎收看 NVIDIA 醫療保健部門副總裁 Kimberly Powell 所舉行的醫療領域專題演講。11 月 9 日歡迎觀看 NVIDIA 創辦人暨執行長黃仁勳的 GTC 大會主題演講直播及後續的重播內容。歡迎訂閱 NVIDIA 醫療保健部門最新動態