诊断癌症，归根结底是一项模式识别任务。放射科医生通过X射线和磁共振成像捕捉肿瘤迹象，病理学家则借助显微镜观察来自肾脏、肝脏等部位的组织切片——他们都在寻找那些能够揭示癌症严重程度、特定治疗方案疗效以及恶性肿瘤转移路径的典型模式。
从理论上讲，人工智能在这一领域拥有广阔前景，这一点不难理解。“我们的工作本质上就是模式识别，”梅奥诊所数字病理学平台的病理学家兼医学主任Andrew Norgan表示，“我们通过观察组织切片来提取那些已被证实具有临床意义的信息片段。”从15年前首批图像识别模型问世至今，AI的视觉分析能力已经经历了质的飞跃。尽管目前还没有任何模型能做到完美无缺，但完全可以设想，未来某天一个强大的算法或许能发现人类病理学家可能忽略的细微特征，或者大幅提升诊断流程的速度。
事实上，过去一年至少有七项研究尝试搭建这类模型，但都仍停留在实验阶段。那么，如何让这些模型走向成熟并真正应用于临床？这个问题的答案，远比想象中复杂。
本月早些时候，人工智能健康公司Aignostics与梅奥诊所合作开发的新模型“Atlas”在arXiv上亮相。虽然论文尚未经过同行评审，但它揭示了将此类工具应用于实际临床环境所面临的一系列挑战。Atlas在来自49万例病例的120万份组织样本上训练，随后与六款主流AI病理模型展开正面PK——任务包括乳腺癌图像分类、肿瘤分级等。结果如何？Atlas在九项基准测试中有六项表现领先。比如在结直肠癌组织分类中，它与病理学家诊断的一致性达到了97.1%；但另一项，在前列腺癌活检的肿瘤分类中，尽管得分超过其他模型，准确率也只有70.5%。综合九项测试，它与人类专家答案的平均匹配度为84.6%。
就目前而言，判断癌变组织细胞状况的黄金标准仍然是病理学家检查组织样本，AI模型的性能自然也以此作为衡量依据。尽管在某些检测任务中，最好的AI模型已经接近人类水平，但在许多任务中仍逊色不少。那么问题来了：一个模型需要达到多高的准确性，才能在临床上真正发挥作用？
“90%的准确率可能还不够，需要更高的水平。”Providence Genomics的首席医疗官、GigaPath联合创始人Carlo Bifulco直言。GigaPath也是梅奥诊所研究中评估的其他AI病理模型之一。不过Bifulco也指出，即便AI模型未达到理想的准确性，短期内仍然可能带来助益——比如协助病理学家加速诊断流程。
那么挑战究竟在哪里？首先是训练数据的匮乏。
“美国只有不到10%的病理学样本实现了数字化。”Norgan表示。这意味着组织样本通常被放在玻片上，通过显微镜分析后进入庞大的档案库，从未被数字化记录。欧洲的病理样本数字化程度稍高，也在努力创建共享数据集供AI模型训练，但可供使用的多样化数据仍然稀缺。缺乏多样化的数据，直接导致AI模型难以识别那些人类病理学家已经掌握的各种异常情况，尤其是罕见疾病。Aignostics联合创始人兼首席技术官Maximilian Alber指出：“对于这些罕见疾病的组织样本，公开数据库中可能十年内只能找到20个样本，显然远远不足以训练AI模型。”
事实上，2022年梅奥诊所就已经意识到训练数据不足可能成为AI发展的重大障碍。于是他们决定将所有病理样本进行数字化，将档案中数十年来积累的1200万张经患者同意的样本切片全部转化为数字格式。为了完成这一雄心勃勃的计划，他们专门聘请了一家公司研发机器人，对组织样本拍摄高分辨率照片——每月能处理多达一百万个样本。通过这番努力，团队最终收集到了用于训练“Mayo模型”的120万份优质样本。
这又引出了AI癌症诊断的第二个难题。活检组织样本直径通常只有几毫米，但在显微镜下放大后，数字图像的像素数可超过140亿——比目前用于训练最佳AI图像识别模型的普通图像大约大了287,000倍。微软AI研究员Hoifung Poon指出：“显然，这意味着巨大的存储成本等问题。”他与Bifulco合作开发的GigaPath模型，相关研究于去年发表在Nature上。这些技术挑战迫使研究人员做出重要选择，包括如何确定图像的哪些部分用于训练AI模型，哪些细胞可能因此被忽略。为了创建Atlas，梅奥诊所采用了一种称为“切片”的技术，从同一个样本中生成大量快照输入AI模型。如何选择这些切片既是一门艺术，也是一门科学，但目前仍不清楚哪种方式能带来最佳结果。
第三个问题，是针对癌症检测的AI模型应该以哪些基准作为评价标准。Atlas的研究人员在复杂的分子相关基准上测试了模型，包括尝试从样本组织图像中寻找线索，推测分子层面发生的情况。例如，身体的错配修复基因在癌症发生和发展中扮演重要角色——它们负责修复DNA复制过程中的错误，一旦这些错误未被修复，就可能加速癌症恶化。“有些病理学家可能会告诉你，观察到某些特定的组织外观时，会直觉性地想到错配修复缺陷。”Norgan说道。不过，病理学家通常不会仅凭直觉得出结论，而是依赖分子测试获取明确答案。Norgan进一步指出，如果AI能预测分子层面的变化呢？这背后的关键问题是：AI是否能够发现人类肉眼无法捕捉的潜在分子变化？如果真能实现，那将显著提升病理诊断的效率和精准度。
事实证明，答案是否定的——至少目前如此。在分子测试中，Atlas的平均准确率仅为44.9%。尽管这是迄今为止AI在该领域的最佳表现，但这一结果也意味着这项技术距离成熟和实际应用还有相当长的路要走。Bifulco表示，虽然Atlas只代表了渐进式的进展，但这确实是在进步。他坦言：“遗憾的是，我感觉大家都在同一个水平上停滞不前。如果要实现显著的突破，我们需要在模型上找到不同的方向，并且需要更大的数据集来训练这些模型。”