原創(chuàng) 蘇霍伊 甲子光年

“想讓癌癥患者活得更長久、更體面?！?/p>

作者 | 蘇霍伊

編輯 | 九月

今天的故事主角，是一名41歲的“業(yè)余”程序員姜浩。

姜浩本科在南京大學物理系，碩博就讀于美國密歇根大學的核工程和放射科學系，畢業(yè)后，曾在布魯克、西門子擔任影像部門研發(fā)總監(jiān)。2018年，家住威斯康星州的他，自掏腰包，在朋友中餐廳地下室研發(fā)了一個AI檢測乳腺癌平臺，從數(shù)據(jù)到算法模型訓(xùn)練，再到硬件配置，都由他一人完成。測試階段還曾鬧出一個烏龍，引得兩名FBI上門搜查，誤以為這是非法賭博網(wǎng)站。

3個月后平臺建成，對乳腺癌癥檢測的準確率達90%，姜浩將網(wǎng)站發(fā)布在V2EX社區(qū)（一個主要由設(shè)計師、程序員等組成的網(wǎng)絡(luò)社區(qū)）供大家免費試用。出于對隱私的保護，姜浩并未設(shè)置后臺保留影像數(shù)據(jù)，但他看到每天來自世界各地的上百個IP訪問，有不少人也曾給他留言，用這個系統(tǒng)檢測出了乳腺腫瘤。

姜浩（coolwulf）在V2EX社區(qū)發(fā)的關(guān)于AI乳腺癌檢測的帖子

“我感覺所做的一切正在起作用?！苯茖Α凹鬃庸饽辍闭f。而這只是一個開始，今年，他又開始嘗試利用AI輔助放射治療腦癌。

事實上，AI+醫(yī)療影像不算是一個新鮮話題。

自2016年AlphaGo戰(zhàn)勝李世石后，AI在科技圈掀起創(chuàng)業(yè)熱潮，創(chuàng)業(yè)者嘗試將AI滲透在多個行業(yè)。其中，醫(yī)療影像是最重要的領(lǐng)域之一，基于深度學習框架的人工智能圖像感知技術(shù)，可以實現(xiàn)對病灶的識別與標注、靶區(qū)的自動勾畫與自適應(yīng)放療以及影像三維重建。

科技公司們也瞄準了醫(yī)療影像市場。比如，2018年，Google研發(fā)過一套用于乳腺癌診斷的AI系統(tǒng)，可快速分析大量的病理組織顯微圖像，腫瘤檢出率高達92.4%；國內(nèi)AI四小龍之一的依圖科技曾推出AI癌癥篩查工具，用以減輕放射科醫(yī)生的工作量，提高診斷能力。據(jù)報道，2020年，中國AI醫(yī)療影像公司有55家，占AI醫(yī)療類公司的42%。

但直到今天，AI醫(yī)療影像照進現(xiàn)實的進程并非坦途。燒錢、醫(yī)院難認可、數(shù)據(jù)隱私問題……這個領(lǐng)域同樣面臨著和其他AI商業(yè)化落地場景相似的困境。先前的一些明星企業(yè)也開始“斷臂求生”，如IBM在兜售人工智能醫(yī)療診斷先驅(qū)Watson Health業(yè)務(wù)；依圖為謀取上市，出售醫(yī)療業(yè)務(wù)等。

對更多普通人而言，繞了一大圈，用AI干預(yù)癌癥治療依然停留在科幻故事中。AI醫(yī)療被困在十字路口。

姜浩的AI醫(yī)療檢測平臺并不完美，但他自建平臺和落地實踐的過程是一個窗口，讓我們可以了解一個AI醫(yī)療影像應(yīng)用是如何誕生的、它的優(yōu)勢和局限是什么，以及這個技術(shù)又離真實生活有多遠。

以下是姜浩的自述——

1.一個“老程序員”想用代碼幫助癌癥患者

2017年，我的一位南京大學學妹被查出罹患乳腺癌。由于發(fā)現(xiàn)時已是晚期，短短數(shù)月后，她留下一個4歲的孩子便撒手人寰，年僅34歲。

這并不是我第一次送別同齡友人。2014年，另一位好友因一種罕見的癌癥——軟組織肉瘤去世。作為醫(yī)學物理師的他，在發(fā)覺腿部有腫塊后迅速做了檢查。但還是為時已晚，當時癌細胞已經(jīng)轉(zhuǎn)移到了肺部。軟組織肉瘤折磨了他整整5年。癌癥“吸食”著他身上的養(yǎng)分，他瘦得如同枯木。在人生的最后，他需要時時在身體后側(cè)貼著膠帶，因為皮膚會脫落，有時甚至會直接露出里面的骨頭。

而癌癥的痛苦不僅限于肉體，更在精神。最后一次和他見面時，他強撐著力氣坐起來，和我揮手致意，像安慰，也像告別，曾經(jīng)神采熠熠的臉龐掛滿了憔悴。到今天，他揮手的樣子仍時常沖擊著我。

兩位友人皆因癌英年早逝，讓我十分痛心。這些情緒在我心里埋下了一顆種子，我想為他們、為千千萬的癌癥患者做些什么。

但我能做些什么？思考許久后，我決定從“本專業(yè)”和“非專業(yè)”入手。

我的專業(yè)是醫(yī)學影像。我本科畢業(yè)于南京大學的物理系，博士畢業(yè)于密歇根大學核工程和放射科學系（Department of Nuclear Engineering and Radiological Sciences）。

2006年，姜浩在密西根大學做助教

進入密西根大學時還有一個小插曲。最早我在申請讀博時，想從事醫(yī)學物理方向的研究。但很不巧，我錯過了物理系的申請截止日期。當時物理系的Fred Becchetti教授便建議我申請還未截止報名的核工系。博士畢業(yè)后，我進入密西根大學的放射腫瘤學系(Department of radiation oncology)工作了很多年。

直到21世紀初期，醫(yī)院還在用感光膠片為患者拍X光片。后來，我的導(dǎo)師Larry Antonuk發(fā)明了醫(yī)學平板探測器，現(xiàn)在大家到醫(yī)院拍X光片，只需站在平板探測器前面照一下，電腦屏幕上便可及時顯示結(jié)果。目前，這個設(shè)備已在世界各地的醫(yī)院都有普及。

跟著Larry Antonuk教授從事醫(yī)學平板探測器研究的我，也自此與癌癥的檢測與治療結(jié)下不解之緣。

但在編程方面，我覺得自己是“非專業(yè)”的，因為我并不是計算機專業(yè)的科班出身。小時候太調(diào)皮，時不時就被老師請家長。于是我父母就合計著給“坐不住”的我培養(yǎng)個愛好，恰好我又對計算機很感興趣。于是，9歲時我便加入了編程的興趣班。

記得接觸的第一臺電腦是蘋果II型電腦，我對眼前的“大方塊”好奇極了。當時的電腦系統(tǒng)還是Basic語言系統(tǒng)，也沒有互聯(lián)網(wǎng)。我學習編程全靠刊登在計算機紙質(zhì)雜志上的代碼，一頁一頁地翻看，再一行一行地敲進電腦。如果想玩會游戲，也要“自食其力”，通?；ㄉ蠋讉€小時才能玩5分鐘。所以，我算是一個起步很早的“老程序員”了。

其實報考大學時，我填寫的第一志愿是計算機系。雖未能如愿進入，但本科四年間我選修了許多關(guān)于編程的課程。而后到2002年，互聯(lián)網(wǎng)逐步普及。當時我已出國深造，在一個叫做安娜堡的城市。那里的冬天寒冷又漫長，閑來無事的我就想搗鼓一些開源軟件。我還加入了Mozila Foundation的開源項目，和一群志同道合的網(wǎng)友相互學習、交流。其中，我們寫過的、較為人熟知的項目有K-Meleon瀏覽器和火狐瀏覽器前身Pheonix等。

思考清楚這些后，“我能做什么”便逐漸有了輪廓。

因為學妹的離世，我專門搜集了乳腺癌的多方資料做研究。來自世界衛(wèi)生組織的資料讓我感到震驚和心痛：乳腺癌是全球發(fā)病率最高的惡性腫瘤。而且患者越年輕，病情越兇險，也越容易復(fù)發(fā)。如果在1期、2期時能及時發(fā)現(xiàn)乳腺癌，5年存活率可以達到99%；如果到3期和4期才發(fā)現(xiàn)，此時的治療有效率僅為10%-30%。尤其在中國國內(nèi)，乳腺癌的早期發(fā)現(xiàn)率不足20%，通過篩查發(fā)現(xiàn)的比例不足5% 。”

世界衛(wèi)生組織國際癌癥研究機構(gòu)（IARC）發(fā)布的2020年全球癌癥新增病例

而且不少乳腺癌患者是由于缺乏檢測途徑，耽擱了最佳救治時期。于是我腦海中誕生了一個想法，建立一個幫助人們自行篩查用乳腺癌的系統(tǒng)——“AI看X光片”，即AI乳腺癌檢測系統(tǒng)。

2.FBI登門調(diào)查“地下”服務(wù)器

2017年，這類項目基本上還沒有個人在做，一切都需要從零開始。我計劃用業(yè)余時間完成這項工作，從數(shù)據(jù)到模型訓(xùn)練再到硬件配置，前后花了三個月左右。有時忙不過來了，我就睡在辦公室里。

雖然只有我自己在做，但整體過程還算順利。我先列了一個to do list，然后一步一個腳印地攻克掉。最開始我每天都在讀論文，相關(guān)領(lǐng)域的文章基本讀遍了。從2017年底和2018年初，我嘗試過許多不同的模型，對比之后，最終定下了基于何愷明RetinaNet修改的模型。

RetinaNet是一種One-Stage RCNN類型的檢測網(wǎng)絡(luò)，基本結(jié)構(gòu)由一個Backbone、多個子網(wǎng)及NMS后處理組成。該算法源自2018年何愷明的論文《Focal Loss for Dense Object Detection》。這篇論文曾獲得ICCV 2017的最佳學生論文獎（Best Student Paper Award）。

充足的數(shù)據(jù)和強大的算力，是訓(xùn)練一個好的的深度學習（ deep learning）模型的基礎(chǔ)。

幸運的是，我從佛羅里達大學獲得了由自美國放射學委員會認證的放射科專家標注過的胸部醫(yī)療影像，只是這些數(shù)據(jù)因為年代久遠，影像資料還都是膠片翻拍的，于是我先寫了個程序?qū)⑺鼈円粡堃粡埖剞D(zhuǎn)為AI可用形態(tài)。通過大量標注數(shù)據(jù)訓(xùn)練的深度學習模型，對醫(yī)學影像的理解可達到人類專家的水平。

為了可以有更充分的數(shù)據(jù)訓(xùn)練模型，我還曾寫郵件聯(lián)系巴塞羅那大學的非公開資源——乳腺癌數(shù)據(jù)集，請求使用許可。

數(shù)據(jù)到位了，接下來就要解決算力問題。但普通電腦無法滿足算力所需，而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(wù)，所以我決定自掏腰包購買硬件設(shè)備。

當時正值虛擬幣“挖礦”大火，一塊幾百美元的顯卡被炒到1100美元，而且有價無貨。為了不被顯卡商家的網(wǎng)站“ban”（禁止），親友都被我動員了起來，我們用多張信用卡，不停地蹲點、刷新網(wǎng)站，最終湊齊了50張1080Ti顯卡。為了省錢，我和朋友自己還當起了木工，將用10美金收來的木料家具改成了機箱。這些花銷加起來大約有5、6萬美金。我很感謝我的妻子，從做網(wǎng)站到后期的維護等，時常需要高額的花銷，但她一直都支持我的決定。

由于家庭的電路系統(tǒng)無法支撐50張顯卡的電力，我找到一位開中餐館的朋友，他聽了我的想法后，二話沒說答應(yīng)把餐廳地下室借給我放置設(shè)備。改完電路后，我長舒一口氣，AI乳腺癌檢測網(wǎng)站的上線已經(jīng)萬事俱備了。

只是沒想到這事鬧出了“大烏龍”。一次來中餐廳檢查衛(wèi)生的工作人員無意間看到了服務(wù)器。幾天后，四名警察和兩名FBI工作人員便登門“造訪”，認為我們有“違法開設(shè)地下賭博網(wǎng)站”之嫌。經(jīng)過好一番解釋后，我們才洗清了嫌疑。

姜浩（左一）與中餐廳朋友在自制服務(wù)器前的合影

早先在閱讀資料時，我注意到，國內(nèi)的一線城市并不缺乏AI檢測癌癥等項目的落地，相比之下，更迫切需要AI癌癥檢測技術(shù)的是缺乏醫(yī)療資源的偏遠地區(qū)。為了方便不同圈層的人使用，我將系統(tǒng)的操作步驟設(shè)計得很簡單——用戶只需上傳自己的X光片，AI便會快速給出乳腺癌病情的診斷建議。

2018年4月，我正式開放了AI檢測乳腺癌網(wǎng)站，以供人們免費檢測。

為了評估它的效果，我在歐洲的InBreast數(shù)據(jù)庫上做了測試，準確度達到90%。2017年，美國肯塔基大學醫(yī)院等曾拿我寫的系統(tǒng)與在國際乳腺癌檢測比賽中獲獎的程序做對比，讓它們在相同乳腺癌影像數(shù)據(jù)庫上運行，結(jié)果后者顯示漏了10個陽性案例，而再使用我的系統(tǒng)進行測試，只漏了一個陽性案例。

在此我想和各位讀者強調(diào)一下——目前影像篩查不能替代醫(yī)生。我寫AI乳腺癌網(wǎng)站的出發(fā)點是希望可以幫助用戶盡早地發(fā)現(xiàn)癌癥病灶、及時就醫(yī)。但它并不能100%準確地判斷女性是否患有乳腺癌，具體結(jié)果還請以醫(yī)生的診斷為主。

當時出于隱私保護的考慮，我并未保留后臺影像數(shù)據(jù)。所以我并不清楚具體有多少人使用過。幾年前相關(guān)技術(shù)還尚未普及，所以我的項目算是個啟蒙。但我收到很多患者的感謝郵件，并且有用戶真的用它測出了乳腺腫瘤。

AI乳腺癌檢測網(wǎng)站也引起了業(yè)內(nèi)的關(guān)注，復(fù)旦大學等國內(nèi)外醫(yī)療機構(gòu)也與我建立了聯(lián)系。目前，每天仍有上百個IP在訪問該網(wǎng)站。

2018年時復(fù)旦大學附屬腫瘤研究所給姜浩發(fā)的郵件

有人問過我，為什么不將AI乳腺癌檢測的網(wǎng)站商用，至少回個本，但我都婉拒了，因為商業(yè)化有違我的初衷。后來借著這股勁兒，我又開發(fā)了另一個完全免費的肺結(jié)節(jié)CT影像AI檢測網(wǎng)站。

3.“能不能用AI輔助治療癌癥？”

在此之后，我心中又萌生了一個新想法：能不能用AI輔治療癌癥？

2018年，盧衛(wèi)國找到我，希望可以合作成立AI輔助治療癌癥的公司。他是美國德克薩斯大學西南醫(yī)院學中心的終身教授。這人很有個性，曾辭掉高管工作到醫(yī)院做臨床物理師。問及原因，他說“我做了一輩子的研究，卻還沒親手治過一個患者”。這句話讓我產(chǎn)生了共鳴，進大的醫(yī)療公司固然好，但能在一線救助病人是更有意義的事。

促成合作的另一個重要角色是我們共同的朋友——陳昱。

陳昱是我一生的摯友。他是我在密歇根大學的師兄，也是盧衛(wèi)國是北京大學90級技術(shù)物理系的同學。陳昱主要從事癌癥放射治療的研究，對我而言他就像立在遠處的標桿，激勵著我前行。

姜浩（右一）與陳昱（左一）的合影

遺憾的是，2017年5月31日，陳昱師兄因意外去世。2018年時我與其他幾位朋友共同設(shè)立了陳昱華任物理師最佳奉獻獎，希望以此鼓勵更多華人物理師參與到公益活動中。

陳昱生前就職于國際頂尖放療公司TomoTherapy，主攻可以精準打擊到每個腫瘤的立體定向放射外科治療技術(shù)，從而減少放療對正常組織的損傷。由他研發(fā)的TomoEdge系統(tǒng)正在世界各地救治病人。陳昱一直以救助病患為終生的奮斗目標，而我想幫他實現(xiàn)這個遺愿。

我最先關(guān)注的是腦瘤放射治療。2021年，我一位同事的表哥罹患腦腫瘤，并接受了全腦放療。但6個月后腦腫瘤再次復(fù)發(fā)，但此時他已無法承受任何治療方式，最終遺憾過世。而且在生命的最后時期，同事的親人過得非常痛苦。

這件事情再次觸動了我。我想做的不僅僅是檢測癌癥，如果可以將AI運用到實際治療中，就能讓更多患者受益。除了延長病人的存活率，我更想改善的是病人的生活質(zhì)量，讓他們盡可能免受癌癥的折磨。

當腦癌患者有5個或10個以上的腦瘤時，醫(yī)生一般會采用全腦放療手術(shù)來控制顱內(nèi)腫瘤生長。

全腦放療是對整個大腦進行放射治療，也是如今最普遍的腦癌治療方案。但這種“無差別攻擊”的方式，也讓腦部器官受到逼近極限的輻射量，所以患者基本只能做一次全腦放療。如果腦瘤復(fù)發(fā)，醫(yī)生便再無力回天了。在美國，每年有20萬病人要做全腦放療，在中國可能數(shù)量更多。

與“殘酷”的全腦放療相比，立體放療的射線更集中，治療效果更好。它能夠精準切除病變組織，如賽博刀（CyberKnife）、伽瑪?shù)叮℅amma Knife）等?；颊呖山邮芏啻沃委煟钯|(zhì)量也隨著治療時產(chǎn)生副作用的降低而提高。

但立體放療工作量大且耗時長。如果醫(yī)生想為患者進行立體放療手術(shù)，首先需要在輻射劑量最優(yōu)的情況下將它們分區(qū)照射，再由腫瘤醫(yī)生手動對每個病灶進行標注和追蹤，然后物理師再根據(jù)患者的個人情況，定制出精準的治療方案。工作量巨大且耗時。因此，腦轉(zhuǎn)移瘤患者通常無法獲得足夠資源幫助，這也令他們不得不鋌而走險，選擇全腦放療。

于是，我和老盧開始了“讓更多腦瘤患者用上立體定向放療”的新征程。我們創(chuàng)立了一家針對癌癥放療和人工智能技術(shù)產(chǎn)品研發(fā)的公司。2019年，我們與美國西南醫(yī)學中心和斯坦福大學展開了合作。目前，我們的平臺主要有3種AI模型：

自動勾畫/標記腦轉(zhuǎn)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

基于優(yōu)化輻射劑量圖并快速分割多個病灶到不同治療療程的模型

3個模型相輔相成，可快速標注病灶，最優(yōu)分配每次照射的輻射劑量。最讓我欣慰的是，患者延續(xù)生命的同時，生活質(zhì)量也更明顯地提高。我們在得克薩斯大學西南醫(yī)學中心等機構(gòu)為約100位進行了臨床治療。其中一位試驗患者腦瘤數(shù)超過100個。此外，我們的平臺可以延伸在頭頸、肺部、心臟等部位的應(yīng)用。

姜浩他們開發(fā)的腦癌立體定向放療項目的模型

這個項目已于今年3月在2022年美國醫(yī)學物理學家學會（AAPM）春季臨床會議上發(fā)表了，并會在今年七月的AAPM 年會上作專題報告。接下來，我們團隊的目標是讓這個系統(tǒng)獲得美國食品藥品監(jiān)督管理局（FDA）的認證。因為只有通過認證后，才能真正是大規(guī)模落地，讓更多的病人受益。

與癌癥的“對抗”，已成為我生活中不可分割的一部分。

這些年我做了許多與癌癥相關(guān)的項目。早在2016至2017年間，我在布魯克公司曾開發(fā)了一種探測器Photon III。

照片里椅子上放置的儀器就是Photon III，它最初并不是用于醫(yī)學成像的。2021年，我與威斯康星大學麥迪遜分校合作嘗試用它來測量乳腺成像，可以看到探測器前面的綁著的一塊透明體，這是代替人體乳腺的breast phantom。

當前，我和華盛頓大學開展了另一個關(guān)于閃療質(zhì)量控制（Flash Therapy Quality Control）的項目。閃療是利用超高劑量率來進行放射性治療的一種治療方法。與傳統(tǒng)劑量率照射相比，閃療可在不改變腫瘤控制效果的同時，減少輻射對正常組織和器官的損傷。但由于這是一項非常新穎的技術(shù)，目前沒有任何系統(tǒng)能做到對射束的質(zhì)量控制，我們想突破這一難題。

有句話我一直記在心里——For we brought nothing into the world, so we cannot carry anything out of it. （我們來到世上時，沒有帶來什么；當我們死去時，也不會帶走什么。）我并非披荊斬棘的英雄，我只是恰好有能力，也恰好去做了。隨著媒體對我的關(guān)注，贊譽和非議也會隨之而來，這些我看得很淡，因為于我而言，沒有什么比讓癌癥患者“活得長久、體面”更重要。

END.

原標題：《一次用AI“死磕”癌癥的實驗 | 甲子光年》

閱讀原文