這幾年人工智慧(Artificial Intelligence, AI)的研究紛紛出線，不少前輩預言AI的應用將改變人類的生活模式。那麼在醫學上呢? 也是AI形式之一的機器學習(Machine Learning)，宣稱可以訓練「機器」，對醫學影像做判斷，真有這回事嗎?
手術與否得判斷
以下的狀況，可能發生在你我週遭。患者進歷切除腫瘤的手術，術後才發現是不需要的手術。這些不需要的醫療行為，除了增加整體花費，也讓患者經歷手術過程的痛苦。這樣的經驗，不乏發生在乳房影像顯現高風險異常的婦女身上。這些患者因為影像顯現異常，醫師決定切片檢查，而後發現細胞雖異常，但非癌細胞。手術切除後，九成的腫瘤是良性的。這些都可以是不需要的手術? 像這樣從乳房影像到手術切除的過程，機器學習有辦法幫助判斷嗎?
機器學習
美國麻省總醫院及美國麻省理工學院（MIT）計算機科學與人工智慧實驗室（CSAIL）的研究人員，建基機器學習的架構，輸入患者的乳房醫學影像、生理檢查結果和切片報告，讓程式根據這些數據和過去的經驗去學習，進而下判斷，決定手術與否。這樣的方式，在醫師總是「傾向」手術解決問題之外， 提供另一個判斷方式。
這個機器學習模型的開發，包含超過1000筆疑似高風險乳癌的女性資料。其中96%的患者經歷手術切除腫瘤；其他4%未經手術治療，持續2年的影像追蹤。這1000筆資料中，2/3的資料用於機器學習模型的開發；1/3用於測試。結果顯示，用來測試的335筆資料，機器可以正確認出最後發展成癌細胞的38筆案例中的37筆，約97%的正確率。
有別於傳統程式開發
這個過程稱為深度學習(Deep Learning)，也是機器學習的一支。機器利用我們提供給它的數據，建立運算法則，預測腫瘤風險以決定是否需要切除。這種方式有別於傳統的程式設計，開發人員不提供程式判斷公式，而是讓程式分析我們提供給它的數據，繼而分辨出數據的不同，進而建立判斷法則。
加入臨床資料
這樣聽起來，有用的數據越多，深度學習，建立影像判斷法則是不是越強大呢? 除了上面提到的乳房醫學影像、個人資料、生理報告和組織切片結果，未來，研究人員更希望可以也納入臨床資料，來建立這個判斷手術與否的機器學習模型。
文章參考：Massachusetts General Hospital ; HealthDay
圖片來源：gleonhard@flickr CC BY-SA 2.0
