项目来了|“安吉丽娜·朱莉们”的患癌风险有多大？AI+医学影像告诉你

合作读创的中科院深圳先进院

5年前，一向特立独行的安吉丽娜·朱莉接受了双侧乳腺切除手术，原因是她查出自己有基因缺陷，罹患乳腺癌和卵巢癌的几率分别是87%和50%，再加上家族癌症史——朱莉的母亲就是死于卵巢癌，于是果断作出这个决定。

朱莉的励志抗癌故事带来了基因检测热潮，在新闻发布的两周内，朱莉接受的BRCA检测率增加了65%以上。但是随后几个月内，乳腺切除术的数量并没有变化。

大部分人的顾虑是，医生对患癌几率的判断一定准确吗？万一不切除也没事呢？

中科院深圳先进院医工所的李志成副研究员正尝试借助AI医学影像来回答这一问题。

给肿瘤基因“拍照”

肿瘤也有自己的基因数据。

每个患者的肿瘤在基因层面都是不一样的。甚至同一患者的不同患病阶段，其肿瘤基因都在发生变化。目前的肿瘤分类存在争议，如果对不同基因特性的病人都进行笼统治疗，不仅浪费时间，也增加了患者痛苦。

李志成团队想利用AI，结合患者具体情况进行精准治疗。

以团队正在进行的脑胶质瘤研究为例。脑胶质母细胞瘤内部往往存在多个亚克隆群体，各群体在基因、细胞、侵袭能力和药物反应等各方面有显著差异，这种差异还会随着肿瘤演进而不断变化。为了确定病症，往往需要进行基因测序，但这种测序不仅有创，单次测序仅仅采集肿瘤局部样本，无法全面描述肿瘤内基因异质性。多点测序目前在临床上难以推广。

李志成团队利用AI+医学影像，准确探测了底层基因突变。具体来说，脑胶质瘤患者有两种最重要的分子标志物：MGMT启动子甲基化和IDH1突变。李志成团队将医学影像、基因测序结果一起放入AI程序中，分别采用深度学习方法和影像组学方法，对MGMT甲基化和IDH1突变状态进行了探测。这种结果是完全靠影像分析出来的，患者无需再接受有创检测。

李志成表示，他们对脑胶质母细胞瘤MGMT启动子甲基化的预测准确率达到80%，对IDH1突变状态的预测准确率达到97%。李志成团队同时探讨了这种影像-基因映射的机理：肿瘤细胞的基因突变是随机的，但只有表型与微环境选择压力相适应才能存活增殖，而医学影像则可以直接对微环境变化因素进行成像和定量分析。

△从成像、分析到诊疗的全链条式智能分析方法，研究早期肿瘤异质性问题并制定个性化精准诊疗方案

李志成团队采用影像学图谱直观观察到了不同基因突变肿瘤的区别，并利用AI和医学影像来分析肿瘤基因，从而根据具体情况，给出精准治疗方案。

用自己的设备记录肿瘤“演化”

用AI+医学影像来帮助医生看病早有应用，机器深度学习几十至上百万张X光、CT、磁共振、超声图像，从中总结出规律，辅助医生做出病症诊断。机器学习过的图片越多，诊断结果也越准确。这种拼数据的方式，更适合谷歌、腾讯等科技巨头。

和他们从数据规模入手不同，李志成更想从肿瘤本身的“异质性”上下功夫。

目前很多癌症一经发现，往往已是晚期，因为受技术限制，很多肿瘤长到2-3厘米才能被检测，此时往往已经过了最佳治疗时期。

△早期肿瘤分析手册，小于0.3cm的为早期微小肿瘤（图片来源New York：Springer-Verlag）

李志成团队定了一个目标：分析肿瘤最长径0.5厘米内的早期肿瘤。

为了达到这一目标，李志成团队将目光瞄准新型成像仪器：X射线相衬荧光CT。

与现有仪器相比，李志成团队的X射线相衬荧光成像仪，分辨率达到几十至一百微米，穿透性从几毫米提高到可以看到体内深部，灵敏度可以比传统X射线成像提高2-3个数量级，特异性达到有肿瘤的地方能发出荧光。李志成说，他们的仪器今年下半年就可以进行动物实验，“开始拍小白鼠”。

△影像AI+：成像-学习-预测的全链条精准智能诊疗

当然，让0.5厘米的肿瘤被看到只是目标之一，“肿瘤的每一个阶段都有不同基因特质，我们想让AI全程参与，通过分析医学成像，发现肿瘤发生了哪些改变。同时，我们的算法会参考基因、病理等几个维度，最终研究基因异质性到底对肿瘤产生了什么影响”，李志成介绍，肿瘤的基因不断变化，随之会带来医学影像特征、亚型划分、治疗方案的变化。患者有规律地进行拍片，比如每隔一个月拍一次肿瘤，就能发现其中规律。

一支从兴趣出发的研究团队

和很多项目驱动或商业驱动的研究团队不同，李志成说，他们的研究角度，纯粹是兴趣驱动的,“探索未知，是科研人员最大的乐趣。”