如何藉助Salesforce人工智慧 更快速地做出乳癌治療決策

想像一下，你是一名醫生，藉助前瞻性的治療診斷工具可以讓你對疾病有更精準的洞察力，進而協助你找到最佳的治療方案。Salesforce研究部的團隊認為，由於人工智慧在視覺技術和機器學習領域有著令人興奮的發展，該相關治療診斷技術趨於成熟的程度超乎你的想像。

乳癌發生率持續上升

全世界每年有超過200萬婦女患有乳癌，在美國大約每8名婦女便有1人患上乳癌。2018年時，美國也出現了2550例男性乳癌的新病例，應當引起人們警覺的是全球幾乎每個地區的乳癌發生率都在上升。

Salesforce研究部與埃利森研究所(Ellison Institute)合作開發了ReceptorNet，這是一種深度學習演算法，可以確定激素受體狀態(激素受體狀態是臨床醫生在為乳癌患者決定合適的治療方案時，一個關鍵生物標記物)，其演算法具有出色的敏感性和特異性。

這項研究發現已刊登在the Journal Nature Communications雜誌上，標題為「深度學習從基礎水準的H&E著色劑來確定乳癌激素受體狀態」(Deep learning-enabled breast cancer hormonal receptor status determination from base-level H&E stains)。

雖然使用人工智慧來改善乳癌患者的狀態並不是什麼新鮮事，但迄今為止的研究工作—比如Google的人工智慧乳癌篩查工具—主要集中在癌症診斷上。ReceptorNet具有獨一無二的優勢，它專注改善乳腺癌患者的治療決策制定方式。

具體地說，ReceptorNet採用普遍激素受體狀態的組織影像預測，這種方法成本也較低廉。這與目前的護理標準形成了鮮明對比，後者既昂貴而且難獲取組織影像，也需要專業的病理學家來審查這些影像。

至關重要的是，由於這是一種比今天在美國等國家常用的系統更便宜和快速的確定激素受體狀態的方法，它可能有助於更快地作出乳癌治療積極有效的決策。無論全世界各國醫療健康照護系統的專業水準如何，該方法有最大可能讓全球的患者獲得最佳治療方案。

找到眼睛看不見的癌症症狀

Salesforce研究部醫學人工智慧團隊開發了一種AI解決方案，使用低價且廣泛可用的成像過程取得腫瘤影像，從而取得乳癌的重要線索。」Naik給了一個簡單的比喻，「假設你出了事故，認為自己的胳膊可能骨折。如果你可以不去醫院拍X光片，只需用手機給拍張胳膊照片，人工智慧演算法就可以確定你是否骨折了，那會如何呢？」

那麼如何實踐在工作中呢？通常當患者被診斷出患有乳癌時，病理學家會在顯微鏡下使用稱為免疫組織化學(IHC)染色方法分析其腫瘤組織，以尋找癌症判斷的激素受體，以協助他們確定病患的治療方案，例如激素療法或化學療法。

IHC染色問題在於，它十分昂貴且耗時，在世界許多地區(尤其是發展中國家)不易獲得。ReceptorNet學會了更簡單的成像過程(蘇木精和曙紅-H＆E-染色)來確定激素受體狀態，該過程可分析細胞的形狀、大小和結構。

ReceptorNet接受世界各地數十家醫院癌症患者的數千張H&E影像投影片(每張投影片包含數十億像素)的順練。這項研究的共同作者，醫學AI負責人Andre Esteva說：「該演算法能夠觀察單個像素，並確定人眼無法感知的細微圖案。」他解釋說，這些圖案可以為如何治療癌症提供重要線索。

Salesforce Research除了進行人工智慧演算法以外，在新冠肺炎期間也注意其商業價值的轉變，並貼近市場分析全球7,000家(B2B、B2C或是B2B2C)的趨勢分析，點擊其報告評估您的企業。