在医疗领域，快速、高效和准确可以是生与死的区别。这一改变游戏规则的工具正在帮助癌症研究人员和医生挽救无数生命。生物信息学教授Jeroen de Ridder（左）和分子病理学家Bastiaan Tops开发了人工智能技术，可以在患者颅骨打开手术期间加速脑瘤的诊断。摄影：Ismail Ferdous
儿科脑外科医生Eelco Hoving表示：“神经外科的问题在于它非常不容出错。”即使是专家也经常需要先切开患者的头部，以便更好地了解他们正在处理的情况。例如，在处理神经系统肿瘤时，通常直到移除一块颅骨并取一小部分脑组织进行分析，才知道具体面对的是什么。这是荷兰最大的研究医院之一乌得勒支大学医学中心（UMC Utrecht）及其合作伙伴公主 Máxima 中心的工作方式，Hoving在那里担任神经肿瘤学临床主任。样本随后被送往实验室，实验室会进行两件事。病理学家对脑组织进行测序和分析，试图确定肿瘤的类型，这是一个耗时的过程，可能需要一周甚至更长时间。同时，实验室会取一小块样本，将其冷冻并用手术刀切成薄片——实际上是在取一个“冷冻快照”，Hoving解释说——然后在显微镜下检查，这个过程称为“快速切片”。虽然快速切片可以在15到20分钟内帮助识别肿瘤类型，但其可靠性远不如较慢的方法。
这给神经外科医生带来了难题，因为患者躺在那里，大脑暴露在外。一系列艰难的决定必须在不完善的信息下做出：这里真的有肿瘤吗？如果是癌症，是否是一种需要迅速切除的侵袭性肿瘤？还是可以采用化疗等较为温和的治疗方法？
Hoving专门从事儿童和青少年的手术，因此他深刻理解这些限制。几年前，他记得为一名年轻患者做手术。快速切片显示这是一种高度恶性的胚胎性肿瘤，称为ATRT。由于ATRT具有侵袭性，Hoving决定采取同样激进的措施。他决定进行根治性切除，小心翼翼地切除了超过98%的肿瘤组织——这是一个需要数小时全神贯注的过程。结果，患者失去了手臂的一部分运动控制能力。
但10天后，实验室结果出来，病理报告显示肿瘤并不是ATRT，而是一种较为温和的肿瘤。“那实际上是一个生殖细胞瘤，”Hoving回忆道，“可以用放疗和化疗非常有效地治疗。”他当时尽其所能做出了最佳决策，但事后看来，他本不应这样做。
自2023年夏季以来，Hoving现在是公主 Máxima 中心的一个研究团队的一员，该团队一直在试验人工智能技术，以实现实时肿瘤识别。团队使用的是一种名为Sturgeon的人工智能模型，该模型可以在40分钟或更短的时间内以90%的准确率分类脑瘤，足以让外科医生在患者手术过程中做出明智的决定。“病理学家仍然审查每一张幻灯片，”公主 Máxima 中心儿童癌症病理实验室负责人Bastiaan Tops说。人工智能只是提供了更多信息，另一个输入。
项目起源于2022年初，当时Tops得知他的同事、分子医学中心首席研究员兼副教授Jeroen de Ridder在使用一种新的、相对便宜的设备——纳米孔测序仪——进行分子测序方面取得了进展，这种设备可以读取DNA链。Tops灵光一闪：如果将这种测序仪与某种高级学习算法结合，能否大幅加快肿瘤识别速度？
Tops打电话给de Ridder，看看他是否有兴趣聊聊。“他说他看到了纳米孔测序在超快速诊断方面的应用，”de Ridder回忆道。由于校园规模很小——任何地方步行最多只需五分钟——他走到Tops的办公室。“我们一起坐下来，开始头脑风暴这可能涉及的内容。”
纳米孔测序仪是一种小型设备，起价为2000美元——在医疗领域算是便宜的，因此对发展中国家的医院很有前景。它看起来像一个订书机，通过USB接口连接到笔记本电脑；换句话说，它并不显得未来感十足。它的工作原理是将DNA链穿过一层带有微小孔洞（纳米孔）的膜。每个纳米孔都与一个电极和传感器相连，当DNA链经过孔洞时，传感器会记录系统电流的精确变化。结果是一个独特的签名——每条DNA链的“波形”——可以解码成碱基序列。与此同时，研究人员可以利用Sturgeon来识别存在的癌细胞类型。
任何使用人工智能的识别软件，如Google反向图像搜索，面临的最大障碍是处理不完整的数据片段，在这种情况下是分子水平的数据。de Ridder喜欢用一个更具体的例子来描述这项工作：“人工智能需要解决的挑战是，如果我给你看一张大象的照片，计算机能否识别照片中的内容？”假设你只有一张照片的1%，可能是几像素的大象鼻子，其余99%未知或无法识别。“我们能否开发出一种人工智能，即使只有1%的信息也能识别出照片中有大象？”他问道。“这就是我们开发的人工智能。最终，这就是它的功能。”
另一个基本问题是，特别是在儿科脑瘤的情况下，医院每年处理的病例可能不到一百例，这导致了数据稀疏问题。对于人工智能来说，你需要数千个病例的数据库才能开始训练像Sturgeon这样的模型进行肿瘤识别。（相比之下，ChatGPT是在数十亿个互联网上的自由句子上自我训练的。）如何在小样本量与需要海量数据集之间找到平衡？对于de Ridder和Tops来说，这意味着需要创新。
两人从已发表研究中现有的肿瘤样本中提取数据。即便如此，他们的数据仍然不足。“我们大约有3000个样本，”de Ridder解释说。“所以并不多。”但从这3000个样本中，他们生成了数百万个独特的纳米孔序列模拟，用于训练Sturgeon，类似于《黑客帝国》中Neo接受几个世纪的功夫训练。“我们总共进行了4500万次模拟，以获得所需的大量数据来训练非常复杂的网络，”de Ridder说。“结果证明，这确实有效。”
尽管Sturgeon已经在研究中用于帮助实时决策，但公主 Máxima 团队正在设计临床试验，以更好地了解Sturgeon的影响。理论上，分子测序可以扩展到帮助识别脑瘤以外的疾病和状况：黑色素瘤、肺部真菌感染、罕见的血液疾病如骨髓纤维化。使用DNA即时识别罕见或难以诊断的疾病，可能会彻底改变医学领域。在神经外科领域，一些科学家已经开始设想将人工智能与手术机器人结合，以自动化复杂程序。与此同时，哈佛大学和谷歌的研究人员最近制作了1立方毫米脑组织的首张3D地图，这可能提供更多方法来理解我们的思维模式、认知问题或情感体验。
但进步是逐步的，设计上就是缓慢的。医疗监管机构仍需确信Sturgeon及其类似技术的安全性，这可能需要五年或更长时间。“我们必须证明这一点，”Hoving说。“我们必须提供一个真正可信的背景。”尽管最初对人工智能一知半解，Hoving已成为人工智能可能性的倡导者，尤其是在辅助方面。想象一下，10到15年后，神经外科医生可以佩戴一副人工智能眼镜，能够实时识别和定位癌症：肿瘤猎人的终结者视觉。
“我认为有很多技术，尤其是在成像和混合现实领域，将帮助我们，”Hoving说。最终，神经外科医生仍将做出最终决定，就像他们一直做的那样——但他们将能够大大减少猜测。
(全文结束)
