1. 首頁

人工智慧（AI）與癌症

人工智慧（AI）是使用機器執行通常被認為是人類智能行為的功能能力，例如學習、推理和解決問題。電腦通過演算法中獲取這項能力，這些演算法使其利用數據進行預測或創建新的內容。AI演算法可以從大量數據中檢測模式，並識別人類大腦無法輕易覺察的數據之間的關係。

近年來，AI在三個領域的進步——訓練AI模型的模式和演算法、訓練這些模型所需的電腦硬體以及獲取大量癌症數據，例如影像學、基因學和臨床數據，這些已經匯聚在一起，產生了AI在癌症研究上新應用的前景。

這些新應用包括理解和預測生物機制、尋找和利用臨床數據中的模式來改善病人治療的結果，以及理出複雜的流行病學、行為和真實世界的數據。如果這些AI的應用能在道德和科學嚴謹的方式下進行，則有可望加速推動癌症研究，並為人類創造更好的健康結果。

 

AI應用在癌症研究和照護上

NCI（美國國家癌症研究中心）研究正在推動AI在癌症研究和照護各個領域的應用，包括癌症機轉、癌症篩檢和診斷、發現藥物、癌症監測和醫療保健服務。

 

增進癌症生物學基礎知識

AI方法正被應用於增進有關癌症發生、進展和轉移機制的了解。例如：

  • 科學文獻提供了大量有關癌症的資訊和知識資源。AI專家們正在利用大型語言模型來開發新的計算工具，以改進從研究出版物中提取知識的能力。
  • 作為在NCI 和美國能源部合作的一部分，研究人員正在使用AI來模擬 RAS 蛋白的原子行為，RAS蛋白是癌症中最常見的突變蛋白之一。更多了解RAS如何與其他蛋白質相互作用可以幫助科學家找到新的途徑來針對RAS基因中致癌突變。
 

加速癌症篩檢、檢測和診斷

AI正在幫助提高一些癌症篩檢和檢測方法的速度、準確性和可性度。例如：

  • 美國食品藥物管理局（FDA）已授權販售以AI為基礎的軟體，以幫助病理學家識別攝護腺切片影像中可能有癌症的區域。
  • AI可以快速處理乳房X光檢查等醫學影像，使放射科醫能夠將時間專注在需要技術判斷的其他工作上。NCI支持的研究顯示，AI影像演算法不僅可以提高乳房X光檢查的乳癌檢測，還可以幫助預測侵襲性乳癌的長期風險。
  • NCI的科學家們正在使用AI來改善子宮頸癌和前列腺癌篩檢。NCI的一組研究人員及其合作者開發了一種深度學習的方法，能從數位影像中自動檢測子宮頸癌前病變。
 

實用的定義

  • 生成式AI（Generative AI）：根據從現有數據中學習到的模式生成新內容的人工智慧。
  • 預測式AI（Predictive AI）：根據從現有數據中學習到的模式對新數據進行預測的人工智慧。
  • 大型語言模型（Large Language Model）：通過AI分析大量書面語言資料來理解並生成類似人類的文本。
  • 可解釋的AI（Explainable AI）：此AI做出的預測或決策是能讓人類容易理解和信任的模型。
 

加速發現癌症藥物

人工智慧（AI）使用在許多開發新的癌症治療方面，包括藥物發現和設計的新方法、藥物再利用以及預測病人對治療的反應。例如：

  • NCI的研究人員和他們的同僚使用AI來幫助預測T細胞的免疫細胞如何對腫瘤做出反應。他們使用機器學習在大量的人類和小鼠T細胞活化數據中找到模式，並且預測T細胞行為，以改進免疫療法。
  • 新的AI方法正在幫助研究人員研究藥物反應的生物機制。例如，NCI支持的研究人員開發了使用深度學習的預測AI模型，這些模型提供了常見藥物反應途徑途徑。
 

促使癌症的精準治療

精準腫瘤學是一種癌症照護方法，其中利用腫瘤的資訊，例如腫瘤生物標記，作爲治療指引。這種形式的癌症照護通常會涉及使用先進的計算方法來分析大量數據，幫助醫師們做出決策。例如：

  • AI技術可能有助於在病人手術期間加速腦腫瘤組織的子基因子類型分型，從而大大加快這些病人的治療決策。
  • NCI資助的研究人員已經開發了一種AI模型，該模型可以使用數位病理切片影像來預測罹患侵襲性、沒有轉移的乳癌病人其存活結果。
  • AI模型還可以更好地整合來自病人的多樣數據類型，以改進臨床決策。例如，NCI資助的研究人員開發了AI模型，將組織病理學數據和分子數據結合起來，來預測腦癌病人的結果，這些模型的表現優於僅使用一種數據方法的模
 

改善癌症監測

癌症監測是持續收集病人資訊和癌症統計數據。AI方法正用在獲取加速監測報告，並確認人口層面的癌症數據模式。例如：

  • NCI和美國能源部之間一項名為“使用監測數據和可擴展人工智慧進行癌症結果模型”（MOSSAIC）的合作項目，他們正在使用AI方法更快地將數據提交給NCI監測、流行病學和最終結果（SEER）計劃。作為這項工作的一部分，科學家們開發了AI演算法，能自動從非結構化臨床文本中提取腫瘤特徵，節省了數千小時的手動處理時間。而這一過程也將幫助研究人員更好地了解新的診斷方法、治療方法和其他因子如何影響病人的治療結果。
  • NCI 資助的研究人員正在開發，基於人口疾病資料訓練在預測一個人罹患胰臟癌風險的深度學習演算法，以做為早期檢測的一種方法。
  • 電子健康記錄監控的大語言模型正在幫助研究人員更了解預防、檢測和癌症治療對其社會健康的決定至關重要因子。
 

改善癌症照護的可及性

AI工具還可以幫助更多病人獲得高質量的照護，即使是居住在遠離癌症專家或資源匱乏地區的病人，這可助於減少癌症照護的差異。

  • 隨著聊天機器人的出現，癌症研究人員正在探討這項技術是否可以用於癌症照護方面。一些研究顯示，聊天機器人可以幫助為病人提供量身定制的癌症訊息，甚至幫助草擬醫師對病人詢問的問題的答案。
 

AI在癌症研究中的挑戰和機遇

人工智慧（AI）為快速推進癌症生物學的理解和優化病人照護提供了前所未有的機遇。然而，如果用來訓練AI模型的數據不具有足夠的多樣性和不能代表更廣泛的人口，這些模型可能會存在醫學偏差。因此，目前迫切需要廣泛接受和採用的標準來開發AI和機器學習模型，以減少偏差並確保再現性。

此外，還需要進行更多的隨機臨床試驗，以驗證AI和機器學習技術在臨床實踐中的應用。因為這是非常重要的，在推進可解釋的人工智慧對於將AI和機器學習技術的整合到臨床工作流程中。

NCI致力於支持針對這些挑戰的研究，並推動AI模型的發展，從而加速我們終結癌症的努力。

 

資料來源：“Artificial Intelligence (AI) and Cancer was originally published by the National Cancer Institute.”
台北馬偕耳鼻喉頭頸部資深主治醫師 呂宜興醫師 協助校稿
更新日期：2025.02.25