(1)客戶介紹

 一家荷蘭的醫院。

(2)項目背景

腫瘤評估中的人類局限性

結腸直腸癌是全球第三大常見癌癥，約有一半的患者會擴散到肝臟。專門從事肝臟手術的 Kazemier 說，治療這類癌癥的最佳方法是將其切除。但是有些腫瘤太大無法切除，因此這些患者必須接受全身治療，例如化學療法來縮小腫瘤。

經過一段時間的治療后，使用計算機斷層掃描 (CT) 手動評估腫瘤。那時，醫療專業人員可以查看腫瘤是否發生了縮小或外觀改變。腫瘤對全身治療的反應方式，決定了是否可以進行挽救生命的手術，或是否需要其他化療方案。

這種人工方法會帶來許多挑戰。

對放射科醫生來說，評估腫瘤是一個耗時的過程。一次 CT 掃描通常只測量兩個最大的腫瘤 —— 如果一個病人有兩個以上的腫瘤，可能會錯過隱藏在剩余腫瘤中的重要線索。此外，人工評估容易產生主觀性，放射科醫生在評估方面會有差異。

Kazemier 表示，還缺乏 3D 評估。“腫瘤可能會縮小，但可能不對稱。這很難用人眼界定，”他解釋說。在其他情況下，腫瘤可能會改變外觀，這意味著流經轉移病灶的血液更少 —— 這是全身治療有效性的積極跡象，這也是人類難以發現的。

這就會出現人為錯誤。不幸的是，由于人為因素的限制會發生誤診，誤診會使患者面臨危及生命的風險，例如不必要的手術或化療。

阿姆斯特丹 UMC 與 SAS 一起使用 AI 改變腫瘤評估。他們在 SAS 可視化數據挖掘和機器學習中，使用計算機視覺技術和深度學習模型，提高化療反應評估的速度和準確性。

數據科學家還利用 SAS Python 深度學習 (DLPy) API 來創建深度學習模型。自動分割等功能可幫助醫生快速識別腫瘤形狀和大小的變化并記錄其顏色。

“我們現在能夠完全自動響應評估，這確實是個很大的進步。”Kazemier說，“與人工操作相比，此過程不僅更快，而且更準確。”

該項目首先用 52 名癌癥患者的數據訓練一個深度學習模型，再對 1380 例轉移病灶的每個像素點進行分析和分割，這能夠教會系統如何立即識別腫瘤特征并與醫生共享重要信息。

先前的評估方法限制了醫生的視野，但 AI 模型提供了腫瘤總體積和每個腫瘤的 3D 表示，使醫生可以更準確地確定是救生手術可行，還是應選擇其他治療策略。

“AI 能幫助我們挽救生命......我很確信這一點。” Kazemier 說。

為癌癥研究人員準備的高級分析

在診所外，SAS 平臺也可供 1100 多名阿姆斯特丹 UMC 癌癥研究人員使用，以加強其研究工作。SAS Visual Analytics 使他們能夠快速發現隱藏的趨勢，而 SAS Visual Statistics 提供的強大工具可用來執行高級分析和預測建模。

此外，SAS Viya 支持在臨床環境中將原始圖像自動轉換為客觀指標。這種自動化將為放射科醫生節省大量時間，同時減少危險的漏報和誤報數量。

通過在 SAS Viya 上運行這些解決方案，阿姆斯特丹 UMC 為研究人員提供了一個開放的分析平臺，以進行協作并更快地獲得創新成果?，F在，無論其數據技能或編碼語言偏好如何，致力于改善患者健康的生物學家、醫生、醫學生、甚至是業務分析人員都可以從分析中受益。

“很多使用 SAS Platform 的人員并沒有接受過分析或數據科學培訓，”Kazemier 表示，“對我們而言，這是分析的下一個階段，我看到了無限機遇。”

可解釋的 AI

Kazemier 認為，如果要徹底改革醫療保健體系，AI 技術必須透明、開放。“如果創建算法幫助醫生制定決策，那么算法的實際作用應該可以解釋，”他表示，“設想一下，如果一個算法的計算結果對患者不利，而醫生照此行事。那么后果將如何？不止是人會犯錯。”

在臨床環境中持續部署分析，其中的一個關鍵因素是為醫療保健的決策管理確立一個端到端可審計的透明流程。SAS Platform 概述了每種分析的執行方式，以便醫生輕松跟蹤其模型和算法。人類和機器之間的這種改良的合作使得人們更加信任 AI。正是 SAS 的這種透明度吸引了 Kazemier。

“我們需要一種可解釋的模型，且仍能維持較高水平的學習性能，”他表示，“SAS 是我們目前所接觸到的最可靠的解決方案。”

(4)價值體現

展望未來，Kazemier 認為 AI 在 Amsterdam UMC 大有可為。

“將來，或許我們能夠預測手術結果和患者的整體存活率，”他說道，“雖然我們目前正在將 AI 技術用于結直腸癌肝轉移患者，但 AI 有潛力被用于評估包括乳腺癌和肺癌在內的許多實體腫瘤類型。我們僅僅是探索了冰山一角。”