文章僅限註冊會員閱讀
close

2017 CSCO系列報導(一):腫瘤大數據與人工智慧的應用

0

腫瘤大數據為臨床治療帶來更多選擇

去年的 CSCO 會議上提到中國已開始建立「腫瘤大數據平台」,為促進個人化醫療、臨床決策支持、醫療品量控管等方面的應用服務。而今年大會策劃了「乳癌大數據專場」,發表截至2017年9月10日透過 CSCO BC 臨床研究數據所收集的十家醫院共 22231 例,涵蓋不同階段和不同治療特色的腫瘤數據庫,為乳癌臨床治療帶來更多可能。

殷咏梅 教授

殷咏梅 教授

江蘇省人民醫院腫瘤內科副主任殷咏梅教授提到,隨機研究 (randomized controlled trial,RCT) 具有樣本數小、時間較短、根據嚴格標準篩選受試者等,有其侷限性,而真實世界數據 (real world study, RWS) 雖然收集時間較長,但沒有上述限制,樣本數大,更具臨床實用價值。透過 4000 例 HER2 陽性乳腺癌數據來分析臨床用藥與手術治療現況,發現分子標靶藥物 Trastuzumab曲妥珠單抗(Herceptin®) 赫賽汀或賀癌平,能夠延長 HER2 陽性患者的無事件存活率(event-free survival, EFS),而已經使用該藥物的患者,在復發轉移後繼續使用卻對無惡化存活時間(Progression Free Survival, PFS)的幫助有限 (PFS越高藥效越好),可換用不同作用機制的標靶治療更有益於病患;再者,透過統計數據分析,也發現各地區 HER2 陽性乳癌患者的藥物使用存在較大差異,原因是醫保政策的不同,而中國人力資源和社會保障部在今年 7 月 19 日宣布將注射用的 Trastuzumab 等 36 種藥品納入《國家基本醫療保險、工商保險和生育保險藥品目錄(2017年版)》,期望促進醫療普及,也能讓臨床數據更加精準。

青島大學附屬醫院的王海波教授希望透過大數據分析喚起大眾對 T3 乳癌的重視,在 CSCO BC 臨床研究數據收集的 22231 例乳癌中,分析 T3 乳癌治療的首治模式後發現 T3 患者選擇術前治療的患者比例偏低,但淋巴結陽性、HR陰性的比較更高;針對 T3 乳癌患者,乳腺全切和腋窩清掃是主要的手術方式;儘管術前治療組並未顯示出生存獲益,但考慮到該組惡性程度更高,T3 患者更應推薦術前治療。最後,他也再次強調 RWS 帶來了更多臨床上的思考,除了為實證醫學 (evidence-based medicine,EBM) 提供更堅實的科學證據,也能在臨床應用上為病人帶來更完善、更多元的治療選擇。

王海波 教授

王海波 教授

延伸閱讀:2017 中國臨床腫瘤學會 (CSCO) 盛大登場:傳承創新、攜手同行

醫療決策的人機對話:誰贏?還是雙贏?

透過大數據,從基因體學、蛋白質體學和代謝體學的領域,協助臨床試驗數據和真實世界臨床數據進行挖掘,可找出更有效的標靶位點、生物標記、活性物質等,更有效地進行篩選工作。但由於巨量資料要透過人工處理相當耗時耗力,因此出現人工智能 (AI) 的需求。在此次 CSCO 的衛星會中,百洋智能科技的「人工智能時代:Watson 如何與腫瘤醫生強強聯合」探討 IBM 的Watson for Oncology、Watson for Genomics 如何協助臨床治療決策與基因體學的數據分析,以及人工智能到底是醫生的助手還是敵手?

其中,解放軍第三〇七醫院乳腺腫瘤科主任江澤飛教授表示,大數據整合分析是目前精準醫學的瓶頸,如何實現「快速、準確、可重複」至關重要,而人工智慧的應用有三個面向:

  1. 智能影像:分子影像學崛起後,更需要人工智能來分析大量影像,量化影像的特徵,對放射醫生是極大的幫助;也能幫助腫瘤分型。
  2. 智能病理:腫瘤病理學有三大挑戰:臨床需求要「快、準、高」、醫療人才短缺、臨床治療依賴經驗不易定量。透過人工智能應用於病理診斷,能幫助更快速判斷腫瘤的良惡性、組織分類及預後,且講求「絕對正確」的臨床判斷,降低失誤率。
  3. 智能決策:面對日新月異的醫療科技與龐大的臨床數據和文獻,單靠人工很難持續不斷地全面性吸收,且這些資料當中有 80% 屬於非結構化醫療,但人工智能可讀取結構與非結構化的資料,作為臨床決策的有力幫手。
江澤飛 教授

江澤飛 教授

最後,江教授提到人工智能與醫生的比較,醫生會綜合考慮證據與實際情況,讓病患感到有熱情、有溫度、有情感交流,而人工智能嚴格遵照證據與指南,雖然「無情無義」但「有理有據」,因此他認為人工智能並不會取代醫生,但會用人工智能的醫生可能取代不會使用人工智能的醫生。

Dr. C. K. Wang

Dr. C. K. Wang

在Q&A時間,IBM Watson 腫瘤與基因體學的代理首席醫學官 Dr. C.K. Wang 提到, Watson 訓練系統是根據具體的患者的病例和醫學行政數據來建構,它並沒有自我學習的功能,必須要接受培訓和訓練,而且機器也有可能犯錯,因此這個系統也會不斷被修正,最終還是要靠人類作維護,所以這也是人不用怕被機器取代的原因,因為最終人仍是這套系統的主體。他也補充,該系統每個月都會發布最新版本,由公司內部各領域專家對相關文獻和數據做確認,來確保數據是準確的。基因線上於 CSCO 現場報導。

更多精彩報導,敬請期待!

LOACbanner6

©www.geneonline.news. All rights reserved. 基因線上版權所有 未經授權不得轉載。合作請聯繫:service@geneonlineasia.com

Share.

Leave A Reply