文 |《中國科學報》實習生 孟凌霄

2018年，一個網名為“coolwulf”的“業(yè)余程序員”，在程序員社區(qū)V2EX發(fā)布了一款應用，可以通過人工智能（AI）看胸片，給出是否罹患乳腺癌的意見。它有很高的準確率，而且是免費的。一時間引來無數好評。

如今，“coolwulf”的方向從癌癥檢測轉移到實際治療方面，并帶著AI診療腦瘤系統(tǒng)回來了。

【資料圖】

“coolwulf”原名姜浩，本科畢業(yè)于南京大學物理系，博士畢業(yè)于密歇根大學核工程和放射科學系，曾在布魯克、西門子擔任研發(fā)總監(jiān)，指導影像領域的產品開發(fā)。目前在醫(yī)學影像深度學習公司NeuralRad擔任首席執(zhí)行官。

這些年來，他有自掏腰包，發(fā)動親友蹲守50張顯卡的壯舉；也有地下室跑實驗，引來FBI登門檢查的烏龍；但更多的是，“讓患者活下去、活得好一些”的愿景。

姜浩所在的NeuralRad團隊

地下室實驗，引來FBI

2017年，姜浩的一位南京大學學妹因乳腺癌去世。“當時發(fā)現得晚了，才34歲，留下了一個4歲的孩子。”

根據世界衛(wèi)生組織數據，乳腺癌已成為全球發(fā)病率第一的癌癥 。姜浩知道，乳腺癌的一大特點是“越年輕，越兇險”，年輕人的乳腺癌會擴散更快。如果能在乳腺癌Ⅰ期發(fā)現，5年生存率是99% ，但在國內，乳腺癌的早期發(fā)現率不足20%，而通過篩查發(fā)現的比例更不及5% 。

姜浩想，如果AI可以幫著“看片子”，也許能大大提高乳腺癌的早期檢測成功率。他決定，將醫(yī)療影像與深度學習相結合。

對于一個足夠好的深度學習模型，一是要有足夠多的數據，二是要有足夠強大的計算力。

姜浩從北美和歐洲幾個研究機構獲得了帶標注的胸部醫(yī)療影像。他解釋道，這些標注能夠區(qū)分是否患有乳腺癌（良性或惡性的腫塊或者鈣化組織），而標注大多來自美國放射學委員會認證的放射科專家。如果深度學習模型能夠訓練好，就可以達到這些專家讀圖的平均水平，甚至更好。

另一方面，足夠強大的計算力需要硬件支撐。

在乳腺癌檢測項目啟動的2017年底，市面上幾乎沒有GPU云端服務，因此只能個人購買硬件設備。當時虛擬幣挖礦火熱，單張顯卡的價格被從幾百美元炒到1100美元，而且還有價無貨。

為了湊到足夠的硬件算力，姜浩自掏腰包，發(fā)動親友在購物網站蹲守多日，終于搶到了50張1080Ti顯卡。此外，加上訓練模型所需的電腦主板、CPU、固態(tài)硬盤和內存條等，粗粗一算，總花費不可小覷。

姜浩玩笑道，“其實我從來沒算過錢，算出來，被太太知道不好”。

萬事俱備后，姜浩找到一位開中餐館的朋友，把設備安置在餐館地下室中。沒想到的是，此舉卻給朋友招來“大麻煩”。

在一次衛(wèi)生例行檢查中，一位檢查員被中餐館地下室的硬件設備嚇了一跳。沒過幾天，四名警察和兩名FBI工作人員登門搜查。一番解釋后，警察才了解到，原來地下室藏著的是實驗用的硬件設備，而非“地下賭博網站”。

姜浩（左一）和開中餐館的朋友

寶貴的“第二意見”

2018年，經過幾個月的奮戰(zhàn)，姜浩的AI檢測乳腺癌網站終于上線。

只要將乳腺癌影像以JPG形式上傳網站，就能獲得AI的判斷結果。這一檢測系統(tǒng)速度快、準確率高。更重要的是，它完全免費。

姜浩曾在歐洲的INbreast 數據庫上做了測試，準確度達到90%。美國肯塔基大學醫(yī)院和中國的一家合作公司使用在某個乳腺癌檢測世界競賽中獲得第二名的程序來測試乳腺癌影像數據庫，結果顯示漏了10個陽性案例；使用姜浩的系統(tǒng)進行測試，只漏了一個陽性案例。

漏檢陽性案例，結果就會出現假陰性。“假陰性會讓患者漏掉癌癥結果，肯定比假陽性有更大的危險，錯過惡性病變總比讓病人去做活檢要麻煩很多。”而姜浩發(fā)明的檢測方法，假陰性幾率極低。

不過，姜浩強調，這一工具并不能用于診斷，只能為患者、醫(yī)生提供第二參考意見。在缺乏醫(yī)療資源的偏遠地區(qū)，這些寶貴的“第二意見”，不僅有助于醫(yī)生在診斷時更有信心，更能為潛在患者爭取治療時間。

實際上，即使在專業(yè)醫(yī)生的診斷中，影像篩查仍不能100%準確顯示女性是否患有乳腺癌。

這一檢測項目獲得了業(yè)內的廣泛關注，以及網友們如潮的好評：“同樣是1080（1080Ti顯卡），有的用來游戲，有的用來挖礦......這是用技術造福人類的典型”“佩服大神有能力為社會貢獻價值” “這才是極客應該做的”。

這一切，都是姜浩在短短幾個月內，利用業(yè)余時間獨立完成的。

只是，乳腺癌檢測項目耗資不菲，僅僅50張顯卡就超過5萬美元，硬件設備共計超過10萬美元。為什么不將網站商用，用它賺點錢，至少回個本？

姜浩卻答，“沒想過”。他說，做免費乳腺癌檢測的初衷，一是學妹因病去世的觸發(fā)，二是自己剛好有這方面能力。

這項技術具體造福了多少人，姜浩并不清楚。當時設計的乳腺癌檢測平臺出于隱私保護的考慮，并不保留后臺影像數據，但每天上百的IP訪問和來自世界各地的感謝信讓他意識到，也許自己所做的一切正在起作用。

在乳腺癌檢測網站之后，姜浩還開發(fā)了人工智能檢測CT肺結節(jié)網站，同樣完全免費。

乳腺癌項目下的評論留言

為摯友實現遺愿

姜浩想過，如果能將癌癥檢測轉移到實際治療中，就能讓更多患者從中受益，但“老盧”找到他合作時，他卻猶豫了。那時，姜浩是公司重量級項目的負責人之一，“出走”會對項目進度有不小的影響。

最終，“老盧”的過往經歷打動了姜浩。“老盧”是美國得克薩斯大學西南醫(yī)學中心副教授盧衛(wèi)國。他曾放棄企業(yè)高層的豐厚薪水，到醫(yī)院中做一位臨床物理師。他對姜浩解釋，“我不能做了一輩子研究，但沒有親手治過一個病人”。

這一想法與姜浩不謀而合，姜浩說，“做醫(yī)療行業(yè)的人，很多人都有使命感。寫程序可以進很多大企業(yè)，但更應該做一些有意義的事情。”

更重要的是，盧衛(wèi)國提起兩人共同的朋友——陳昱，“如果陳昱還活著，就會找他合作。”

陳昱是姜浩在密歇根大學的師兄，不僅是癌癥放射治療的專家，也是姜浩的一生摯友。畢業(yè)后，陳昱工作于世界頂尖放療公司TomoTherapy，他研發(fā)的TomoEdge系統(tǒng)正在全世界各地的癌癥中心救治患者。

2017年5月31日，陳昱在一次意外事故中去世。為了紀念他，放療學術界最高水平的雜志International Journal of Radiation Oncology - Biology - Physics將2018年的一期封面設為他的照片。

雜志紀念陳昱的封面

姜浩和盧衛(wèi)國知道，如果陳昱的生命還在繼續(xù)，他一定會繼續(xù)醫(yī)學物理的事業(yè)，繼續(xù)毫無保留地幫助患者。

姜浩說，“我就想幫他實現這個遺愿。”

從檢測到診療，AI能走多遠？

這一次，他們最先關注的，是腦瘤放射治療。

起因是一位同事的親人罹患腦腫瘤，采用了“全腦放療”進行治療，但幾個月后，腦腫瘤再次復發(fā)，患者最終去世。

“全腦放療”是對整個大腦進行放射治療，以控制顱內腫瘤生長的常規(guī)療法。盡管這項技術可使患者生存期延長一段時間，但在腫瘤復發(fā)時，這種“無差別攻擊”就不能二次采用。姜浩說，僅在美國，每年就有20萬病人要做全腦放療，在中國可能數量更多。

與一次性的“全腦放療”相比，“立體定向放療”更溫和、精準，治療效果更好，而患者也可以多次進行治療，生活質量也更高。

但在實際醫(yī)療中，“立體定向放療”的使用率并不高。這背后的原因是，醫(yī)生在為多發(fā)性腦病患者進行這一手術時，需要對每個病灶進行精確的勾畫、標記和追蹤，并精準設計對應的治療計劃。在緊張的醫(yī)療資源面前，許多患者不得不選擇“全腦放療”。

如何讓更多的腦癌患者使用“立體定向放療”，而非只能選擇“全腦放療”，這是姜浩團隊真正想解決的問題。

從2019年起，姜浩團隊與美國得克薩斯大學西南醫(yī)學中心、斯坦福大學共同合作，開發(fā)了自動勾畫、標記和治療腦瘤的AI模型。

目前，他們已經開發(fā)出三種模型，分別對應腦瘤的診療過程，包括自動勾畫/標記腦轉移瘤病灶的模型、基于SVM-放射組學的快速減少假陽性的模型，以及基于優(yōu)化輻射劑量圖，快速分割多個病灶到不同治療療程的模型。

這一平臺已經在得克薩斯大學西南醫(yī)學中心等機構進行了臨床一期和二期試驗，治療了大約100個患者。姜浩告訴《中國科學報》，其中一位試驗患者腦瘤數量超過100個，在以往只能采用“全腦放療”，但在新系統(tǒng)的幫助下，現在已經能接受“立體定向放射外科治療”。

目前，這項工作已經在2022年美國醫(yī)學物理學家協會（AAPM）春季臨床會議上，由團隊在斯坦福大學的合作者發(fā)表，并會在今年7月的 AAPM 年會上有一個專題報告。

接下來，姜浩團隊未來的目標是讓腦癌系統(tǒng)獲得美國食品藥品監(jiān)督管理局（FDA）認證，以便讓更多醫(yī)院使用。他表示，目前的平臺還能拓展應用于頭頸、肺部、心臟等部位。

“如果能將連續(xù)放療手段與免疫療法結合，就有可能把癌癥拖成慢性病，延長患者的生命，”姜浩說，“這就是我們的愿景。”

姜浩在采訪中介紹腦癌項目模型

參考資料：

http://neuralrad.com/

https://www.v2ex.com/t/462641?p=3

https://www.v2ex.com/t/843341#reply46

https://mp.weixin.qq.com/s/2zNoWtOHdwC0nNnT0d_WBQ

https://mp.weixin.qq.com/s/aURNI11R-1mavrIL-U_Tlg

https://mp.weixin.qq.com/s/ZbqBkUvphIAHHu5kwlnwxw

標簽： 地下室實驗