文／張田勘
用人工智慧對抗癌症已經起步人類戰勝癌症是人工智慧應用的一個部分，毫無疑問，這種探索已經有明顯的初步效果。
美國休斯頓衛理公會醫院的研究人員新近研發的一個人工智慧軟體，已經能幫助醫生較為準確和快速地診斷乳腺癌。
這個軟體能夠準確解讀乳腺X光影像結果，在很短時間內回顧幾百萬份紀錄，通過解讀病人的乳腺X光影像結果幫助醫生確定病人患乳腺癌的風險，效率更高，同時也有望減少不必要的活檢。
這個智慧軟體的核心在於，它能直觀地將病人的圖像結果翻譯成診斷資訊，速度是人類的30倍，準確率高達99%。
同樣，日本研究人員開發的一款智慧軟體僅需要花費10分鐘時間就能夠對來自2000萬個臨床腫瘤研究所提供的女性遺傳信息進行
對比分析，從而準確診斷出女性患者所患的罕見類型的白血病。也就是說，依賴大資料設計的人工智慧軟體已經在幫助人類準確地診斷癌症了，這也是精準醫療的一部分。
人工智慧在精準醫療中作用有限不過也有研究提出，即便是人工智慧有相比於人類更大的資料分析能力和識別癌症的能力，但是，在精準醫療中作用也有限。2016年《自然》雜誌上發表一篇文章稱， 「精準策略沒有給大多數腫瘤病人帶來好處」， 「腫瘤的精準治療僅僅是一個有待證明的假說」。得出這個結論的根據是對美國MD安德森癌症中心登記的2600名癌症病人和美國國立癌症研究所登記的795癌症病人的研究。
前者顯示，只有6.4%的病人能獲得針對特定基因突變的靶向藥物治療效果，後者則更少，只有2%的病人能獲得療效。因此，精準醫療如精準癌症治療的前景不容樂觀。發表在2016年9月的《新英格蘭醫學雜誌》問詢欄目的另一篇文章則提出，個性化抗癌藥物的研究依然是一條漫長的道路，而是否存在能改善癌症患者病情的個性化治療方法也是個值得深思的問題。
為什麼人工智慧的作用有限呢？研究人員對多項研究獲得的研究結果進行了初步解釋。經過測序等分子診斷分析，有30%～50%的病人能找到可以解釋腫瘤惡變的相關基因突變。
同時，由於藥物有限，只有3%～13%的病人能夠找到「精準」治療的藥物。即使使用了基因靶向（配對）藥物，也只對30%的病人產生了療效。這幾個環節層層打折，最後只有1.5%的病人可以獲得精準治療的效果。
精準醫療難以獲得較好效果的深層原因在於，現有的靶向治療藥物多半只能部分阻斷細胞增生途徑，而完全阻斷腫瘤惡性增生要靠聯合用藥或者加大劑量，但兩者都會增強副作用。
同時，腫瘤異質性（同一病人的腫瘤細胞有多個突變株）會導致抑制了一部分癌細胞，但另一部分癌細胞又長出來了，並且腫瘤異質性也會導致另外一株癌細胞在後來對最初有效的藥物產生耐藥性。這些情況說明，如果研究人員不能依賴於基因組、基因差異和生物學標記來識別、診斷癌症並制定相應的有效措施，就不可能教會人工智慧做同樣的工作。
人工智慧抗癌路還很長
現在，英國斯旺西大學和美國、德國的研究人員已經在進行相差的研究，要教會人工智慧更為先進的識別癌症的方法。該校研究人員參與開發的一種人工智慧演算法可高效識別包括癌細胞在內的不同類型細胞。要在一個健康的細胞群內識別癌細胞等特定細胞，目前的做法是讓螢光劑附著在這些細胞內，然後通過顯微鏡觀察進行識別，但這種做法容易干擾細胞行為，影響觀察結果。
為避免螢光劑的干擾，研究人員不再對細胞的識別過程使用染色劑，而是通過資料登錄，讓這種人工智慧演算法「觀察」多種細胞樣本的特徵。經過資料積累後，它能迅速在一群細胞中識別出目標細胞，並及時算出這一細胞處在其生命週期的哪個階段，從而準確診斷癌症。人工智慧當然能幫助人類抗禦癌症，但是還需要更長時間的探索。