难以筛查的癌症之王，被人工智能解决了？
根新未来文/陈根
在所有癌症中，胰腺癌绝对是最凶险的一种，胰腺癌也被称为“癌症之王”。
在我们国家，近10年来，胰腺癌的发病率逐年增高，而患者平均生存期仅仅只有4个月到6个月。绝大多数胰腺癌患者在确诊时已是中晚期。
当然，越早发现胰腺癌，肯定能获得更好的治疗和预后。但问题是，胰腺癌实在是太难发现了，不仅难发现，还容易误诊。世界卫生组织曾表示，有三分之一的癌症可通过早发现、早诊断、早治疗实现治愈，但是，临床指南却并不推荐筛查胰腺癌，因为就胰腺癌来说，目前还缺乏有效的筛查手段，已有的筛查手段不仅难以查出胰腺癌，甚至还有可能产生大量的假阳性。
那么为啥胰腺癌这么难查？主要是我们的胰腺藏得很深，在后腹膜的位置，并且早期症状不明显，甚至是没啥症状。
既不好筛查，预后又差，难道我们就拿胰腺癌一点办法都没有吗？那倒也不是，最近，阿里达摩院联合了十多家顶尖医疗研究所，尝试利用人工智能来解决这个问题，效果可以说是非常不错。
研究人员通过“平扫CT+AI”进行大规模的胰腺癌早期筛查，在2万病例中仅发现31例漏诊，这相较于过去的胰腺癌筛查已经是非常了不起的一个突破了。那么，研究人员究竟是怎么做到的？
我们已经知道，胰腺癌变位置隐匿，常常难以在普通CT图像中被准确识别，为了解决这个难题，达摩院的研究团队设计了一个独特的深度学习框架——PANDA模型，其原理简单来说，就是利用人工智能放大和识别平扫CT图像中肉眼难察觉的微小病理特征。
PANDA模型包括三个关键阶段：
首先，定位胰腺，这一步用到的是一个叫做U-Net的分割网络，这一分割网络能够在CT图像中准确地定位胰腺的位置。这也是关键的第一步，因为我们需要知道胰腺在哪里才能进一步分析它是否存在异常。
然后，是异常检测。这一步用到的是一个多任务网络（CNN），能够识别可能是胰腺癌的区域，有助于缩小关注范围。
最后一步，就是病变分类，这一步用到的是双通道Transformer模型，双通道Transformer模型可以帮助医生确定是否存在癌症以及其具体的类型，从而为医生提供更全面的信息。
除此之外，研究人员还引入了一项创新的训练方法，这项方法被称为“知识迁移”，就是利用图像配准技术，将增强CT上的先验知识迁移到平扫CT的数据集上。通过这种方式，平扫CT就能获得增强CT关于肿瘤的额外信息。
目前，研究人员已对这一模型已经进行了检验，以6000余例胰腺疾病患者进行的多中心验证显示，PANDA检出胰腺病变的准确率高达98.6-99.6%，而鉴别胰腺导管腺癌（PDAC）的敏感性和特异性，更是比人类影像科医生阅片分别高出34.1%和6.3%，而且，PANDA还可以鉴别其它常见胰腺病变。
现在，这项技术已在医院、体检等场景被调用超过50万次，每1000次只出现一次假阳性，研究人员表示，未来将持续进行多中心前瞻性临床验证。
这也让我们再一次看到了人工智能在医疗领域的变革力量，要知道，直到今天，我们都缺乏有效的胰腺癌筛查手段，但人工智能的加入，马上就能改变这一现状，未来，我们只要去体检时做个最简单的平扫CT，就能查出有无胰腺癌。这将会大大改善胰腺癌患者的预后，提高胰腺癌患者的生存率。这也让我们不得不承认，有些地方，人工智能确实比人类更靠谱。
