不知道大伙们还记得，那名用 50 张 1080 TI 显卡对抗癌症的“ 业余 ”程序员不。
他曾自掏腰包训练了个 AI ，还整了个免费的网站，让人工智帮你“ 看片子 ”，能快速诊断出乳腺癌。
当时差评君就在畅想，未来，AI 技术在医学领域，铁定能溅起不小的水花儿。
但谁也没想到，这未来来得实在有些快，而且比起水花，AI 掀起的更像是大浪。
这不在前不久，医学顶刊 Nature Medicine 上就登了一篇论文，说是用 AI 大模型 + 简单的平扫 CT ，就可能大规模地筛查出早期胰腺癌了。
这消息，直接就在医学圈儿炸开了。
Nature Medicine 就罕见地附带了一篇评论文章，标题是这样的：在AI 加持下的医疗影像，即将迎来黄金时代。
各大媒体也都争相报道， “ 突破难题 ”“ 人类首次 ” 等赞美之词毫不吝啬。
而如果用一句话，来形容这技术的含金量的话。
差评君觉得比较贴切的是：放在过去，这事儿想都不敢想。
这么说吧，这次的大反派 “ 胰腺癌 ” ，在所有癌症里有个可怕的名字—— “ 癌症之王 ” 。
只要确诊胰腺癌，几乎就是被判了死刑，近 90% 的人在确诊胰腺癌后，活不过 5 年，这在癌症里算是一个相当可怕的数字了。
好多名人像吴尊友、帕瓦罗蒂等都是因为胰腺癌去世的。
死亡率这么高的原因，在于胰腺癌早期太难被发现了，一旦发现，大概率就是晚期。
因为胰腺这玩意儿，位置非常隐蔽，藏在胃后面，被十二指肠、脾脏和肝脏等器官包围住了。
而我们一般去医院体检的项目，像超声、平扫 CT 等等这些，很难发现早期胰腺癌的特征。
当然，增强 CT 或者是增强核磁共振，能把胰腺看得更清楚些。
但胰腺癌的发病率其实并不高，在所有癌种中只排在十名开外。
所以考虑到辐射、医疗资源挤兑等问题。。。为了胰腺，每个人每年都去做增强 CT 或增强核磁共振，其实划不来。
基本上只有病人发现了异样，才会去做这些项目。
但在症状上想发现早期胰腺癌，也很难行得通。
前期患者们的症状一般是恶心、呕吐、身体虚弱等，这和普通生病的症状没啥两样，医生们很容易就会被 “ 忽悠 ” 。
并且癌变会影响胰腺功能，早期胰腺癌还很可能伪装成糖尿病。。。
于是在影像 + 症状双重 Debuff 的情况下，想大规模筛查早期的胰腺癌就变成了一件难上加难的事。
所以这些年来，医学界为了能早点发现胰腺癌，可脱了不少发、秃了不少聪明脑瓜，但最后的成果呢，寥寥无几。
前些年，业内还有个很火的滴血验癌（ ctDNA ），一度被大家看好，它是从患者的血液里找有没有癌症的碎片。
但这个方法，同样也很难发现癌症一期、二期的血液碎片，到现在快十年过去了，依旧没啥进展。
而这次，研究人员们想到了用 AI 大模型，来解这道题。
差评君也去到 Nature Medicine 官网上，翻了翻论文原文，有一说一，它还真有可能在早筛胰腺癌这块豁出个口子。
这次，他们整出了个名叫PANDA （ pancreatic cancer detection , with artificial intelligence ）的 AI 大模型，根据简单的平扫 CT 图像，它就能做出胰腺癌相关的诊断。
这么说吧，在临床验证中，研究团队试验了两万多个病例， PANDA 几乎就没咋漏诊，99.9% 有胰腺癌的都给诊断出来了。
偶尔有一些误诊，也都是很容易排除的病变，像什么脂肪浸润、胃肠内容物等，医生简单审核下就能排除掉。
而用 AI 这点子，最早是上海市胰腺疾病研究所的曹凯医生（ 也是这篇论文的共同第一作者 ）想到的。
在他身上还有这么一小段故事，在大学期间，曹凯的实习导师也因胰腺癌去世，和很多患者一样，他在确诊的时候就已经是晚期了。
不过后来他在整理导师的病例资料时发现，在确诊十个月前，导师就曾做过一次平扫 CT 。
虽然当时没发现什么苗头，但带着结论回过头来分析，就能隐约看到到胰腺那里有病变的迹象。
在这样一个契机下，曹凯就想，既然人眼很难识别到平扫 CT 图像里，早期胰腺癌病变的迹象，那不如借助 AI 帮医生先筛查一遍。
后来，他遇到了达摩院医疗 AI 团队负责人吕乐，他们两个在这块不谋而合，这才有了现在的 PANDA 模型。
PANDA 帮忙筛查胰腺癌的过程说起来也很简单，和医生看片子也没啥两样。
不过它凭借强大的算法，注意到的细节比医生肉眼看到的多得多，自然也能顺利找到疑似病变的地方。
但要练好这么一个 AI ，可不是动动嘴皮那么容易的事。
它不像语言模型出错了打个哈哈就能过去， PANDA 对准确性的要求非常高。
而判断它看病好不好，还有两个维度，一个是特异性，一个是敏感性。
要是特异性高了，就很容易漏诊，敏感性高了，又会误诊。
而调这个漏诊、误诊的 “ 天平 ” ，归根结底，还得看喂给模型的数据集和训练模型的方法。
先是数据集，都说宠物毛发顺不顺还得看主人喂什么，在训练模型上也是同样的道理。
这块研究团队是下了血本，他们召集了来自各个医院的48 个医生，一共收集了3000 个病人的腹部 CT 图像。
其中有大概 2200 多个胰腺癌患者，和将近 1000 个非胰腺癌的病人。
这 3000 个病人的数据，都是医生们自己一个个手动标注的。
并且因为平扫 CT 图的对比度太低，手动标注不太现实，所以他们都是在患者的增强 CT 图上标注。
标注的过程也是相当专业，医生们要勾画每一层 CT 图上肿瘤的二维图像，每张有十多二十层，非专业人士是一点都干不了。
画出来的十多张二维图像，叠加起来差不多就是整个肿瘤的三维图。
要喂的数据准备好了，接下来就是选择模型 + 训练。
研究团队先是搞了个配准算法，把之前标注的增强 CT 数据迁移到平扫 CT 图上，让AI 学会看平扫的 CT 影像。
后面，就是重头戏了，虽说在医学领域 3000 个数据已经算是相当多了，但对于深度学习来说这些量就是中规中矩。
所以他们只好在模型算法上更下功夫，好找补回来一些。
据达摩院团队的张灵介绍，在选择模型的时候，他们团队先先后后试了好多种技术路线，最后搞出了一个 “ 混合版 ” 的模型，集分割、检测和分类功能于一身。
而且这三个功能还不是各干各的，而是层层递进、环环相扣。
就拿正常的一套完整的检测流程举例。
PANDA 在拿到平扫 CT 图之后，先会用分割功能在整张图像中找到胰腺的位置。
找到胰腺后，再启动检测功能，去看胰腺里有没有啥不对劲的地方。
要是找到有异常的地方，就用第三步的分类功能，去识别这情况属于哪种胰腺病变。
靠着这套模型和算法， PANDA 也开始在临床试验中，不断迭代和更新。
这个过程就是个典型的 “ 出错—反馈—纠错 ” 的循环了，前前后后研究团队大概花费了有一年的时间。
算法修正倒不是什么大问题，比较麻烦的是前期的反馈：要怎么修改这个 AI 。。。
就拿期间的一个例子来说， PANDA 有时会把脂肪浸润的情况检测出来。
光是这个情况，研究团队就和医生们讨论了三个月，要不要让它这么 “ 敏感 ” ，纠结了几次最后才毙掉了。
当然，虽说 PANDA 的准确性已经相当高了，但在实际的检测过程中，它只能起到一个初筛的作用。
它把医生们看不到的病变找出来后，还是得让医生们再次把关，确保没有误诊啥的。
去年 PANDA 模型已经成功上线，一些医院以及体检中心已经在用这个 AI 帮忙筛查了。
根据张灵的说法，到现在为止，他们已经用 PANDA 模型帮忙筛查了超过了50 万个人。
并且这里面，还成功发现并救治了两个临床漏诊的胰腺癌患者。
其中有一个人，每年都会去医院的体检中心定期体检，当时他在体检时并没发现什么异常。
结果七个月后，在 PANDA 进行临床试验的时候，他的 CT 图被检测出了有 95% 的概率是胰腺神经内分泌肿瘤。
后来，医院直接找来他，用增强磁共振检查了一通，发现 PANDA 还真没判断失误。
幸好肿瘤还在早期，早早手术割掉了，后续检查时也没再复发。
现在，研究团队也还没停下来，他们还想着进一步拓宽 PANDA 的筛查范围。
张灵透露道，眼下在考虑的，是要不要把囊肿加到 PANDA 的检测范围内。
在未来，他们还打算把更多的癌症、甚至慢性病都纳入进来，让大家只要在体检的时候做一次平扫 CT ，医生通过 AI 辅助，就能看出这些疾病的苗头。
或许有一天，在这个 AI 的协助下，所有的癌症，都能通过一次简单的平扫 CT 在早期被发现。。。
最后，我觉得穆克吉写的《 重病之王 · 癌症传 》中的一段话，还挺应景的：
为了追上这种疾病的步伐（ 癌症 ），人类一而再、再而三地创造、学习新知识，扬弃旧策略。我们执着地与癌症进行抗争，时而精明，时而绝望，时而夸张，时而猛烈，时而疯狂，时而凛然。这场战争，人类已经持续了数千年。
而差评君也希望，在这次 AI 开辟的 “ 新战场 ” 上，人类可以彻底降伏癌症这头猛兽。
