 |
| 經由深度學習的機制，AI 能夠準確辨認微小息肉是否需要進一步處理（Gut. 2017 Oct 24. pii: gutjnl-2017-314547） |
自從 Alphago 戰勝前任世界圍棋冠軍李世石後，人工智能（AI）正式從想像走入現實生活；任何領域的發展如果不和 AI 沾上邊，就顯得不夠潮，彷彿與時代脫節；充滿複雜決策的醫學尤其是被寄予厚望的焦點。
平心而論，在可見的未來，AI 要取代人類治療患者還不容易；但在檢查以及預後評估上，擁有深度學習能力的 AI 很可能做得比人類更好。近期已經有研究顯示，AI 在診斷黑色素癌（一種皮膚癌）比人類專家做得更好，而且還可以幫你算「命」：只要看看一個老人的胸部電腦斷層，就有七成的準確率估計能不能再活五年。
賦予 AI 如此強大的能力的，就是基於大量事實的深度學習。以黑色素癌為例，人類專家知道有幾項辨別的特徵，包括型態、顏色、大小等，總稱為 ABCDE 原則，過去的電腦是基於我們灌入的這些條件來判別；對於教科書式的病灶表現可能很好，但是不典型的案例就跟丟硬幣沒兩樣。
而人類專家則不同，面對介於中間的狀況，他們還會歸納過去的經驗與病人的狀況，因而可以做出超越準則的判斷，有人把它稱為「藝術」或是「直覺」。許多領域的高手表現之所以比單純熟知規則的老手更好，就是靠著長期訓練得到的敏銳判斷；但是到了深度學習的時代，高手窮極一生的經驗和 AI 一比可能都是小巫見大巫。
新的 AI 不僅知道 ABCDE 原則，藉由不斷判讀大量已知的病例，到最後它們也掌握了所謂的「藝術」：比專家更準確的判斷；唯一的問題是它們知其然而不知所以然，沒辦法透露究竟掌握了什麼秘訣，這和人類的大師也很像，有些技巧只能意會難以言傳，連大師也很難解釋。而圍棋的例子讓我們知道，在某些領域頂級大師也不是 AI 的對手。
不過 AI 雖然具有精準強大的歸納能力，能不能取代人類則要看技術的本質。以大腸鏡檢來說，除了找出可能會產生病變的腺瘤，還需要把它移除掉；所以光靠 AI 判讀是不足以取代人類醫師的。但是在以下的領域，包括（1）提升息肉偵測率、（2）判斷息肉類型與早期癌、（3）評估早期癌的內視鏡切除預後；AI 可能會有非常巨大的潛力。
提升息肉與腺瘤偵測率
我們在過去的文章（腸鏡「慢一點」：小故事大學問）提過，大腸鏡醫師最重要的指標就是腺瘤偵測率（ADR）。腺瘤是未來可能變成大腸癌的息肉，是我們鎖定的主要目標；而 ADR 就是醫師的打擊率，至少要到兩成五（25%）才算及格；如果一位醫師的 ADR 太低，代表作了很多隻大腸鏡才找到少少的腺瘤，很可能代表觀察的品質不夠仔細。
要改善 ADR，需要乾淨的清腸、醫師的技術與足夠觀測時間；然而，即使是一流專家的大腸鏡也可能存在死角。不久前在日本的一篇研究，利用不同模式（白光 -> BLI）重複接連做兩次大腸鏡，發現約有 10% 的腺瘤在初次的傳統白光檢查會被漏掉。當然，這些腺瘤通常都非常小，但理論上仍然存在些微的間期癌風險。
一般來說，大腸鏡尋找腺瘤都是由裡面往外退的階段；目前已經有人研究出新的輔助影像系統，讓大腸鏡裝上「倒車雷達」。當鏡身在皺褶或轉彎處，這個系統會直接在可能的死角打上提醒，讓醫師知道哪邊要多注意。針對訓練醫師的研究顯示，這套系統可以讓觀測的品質更好。
此外，過去雖然有一些息肉偵測系統，但只能做靜止圖像辨識，無法用於真正的大腸鏡檢；最近發表的新一代軟體克服了即時偵測的困難，有著高達 98% 的準確度：剩下的 2% 是把一些正常構造或糞便誤認為息肉，但是這對人類來說輕而易舉就能確認。如同倒車雷達是搭配技術的輔助，這些影像系統可以成為內視鏡醫師的第三隻眼，減少不必要的死角。
 |
| 新式的息肉偵測系統，可望進一步增加醫師的腺瘤偵測率（Endoscopy. 2016 Sep;48(9):837-42.） |
一眼看穿好息肉、壞息肉
並不是所有的大腸息肉都可能變成癌症（詳見我們之前的文章：大腸鏡的小息肉，需不需要都拿掉？）。如果內視鏡下有高度信心認定屬於不會變化的「增生性息肉」，可以考慮不切除（diagnosis and leave），或是切掉但不逐一轉送病理化驗；不過這些處置的前提是內視鏡醫師的目測評估必須有 90% 以上的準確率。
要達到如此高度的準確率，除了技術與經驗，還要藉助進階影像工具如染色、放大、或其他影像強化工具（NBI、LCI、I-scan）；不過這些進階工具並非唾手可得，也需要一段時間專精。如同前面提到 AI 在深度學習的本領，根據息肉的外觀評估變化的機率與良惡性，正是它的強項。
近期一項研究以目前運用最廣泛的息肉辨識分類 NICE classification，讓 AI 接受大量息肉外觀與實際病理結果的演練，在觀察超過一百支大腸鏡錄影後，分辨出腺瘤與增生性息肉的準確率已經可以超過九成，這是非常令人驚豔的成績。
評估早期癌追加手術的必要性
最後，在早期大腸直腸癌的治療方式突飛猛進的現在，AI 更能協助後續評估與精準決策。這邊要討論的是早期直腸癌，它有兩個特殊的地方：首先，直腸位於大腸的最外端，緊連著肛門；所以如果病灶離肛門太近，外科手術後可能需要暫時或永久的人工肛門，而利用大腸內視鏡切除就不會有這問題；然而，如果內視鏡切除後發現不乾淨，未來淋巴轉移機會比大腸其他地方也更高，後面還是得考慮追加手術。
一般如果能滿足幾個嚴格的條件，內視鏡切除是可以治癒早期大腸直腸癌的。（請參考大腸息肉切下來發現癌細胞，一定要開刀嗎？）假如無法符合全部條件，就會建議追加外科手術。不過在現行的嚴格標準下，有不少患者其實在追加手術後，並沒有找到任何殘存癌細胞。雖然這暗示目前的標準有所不足，不過在找不到更好方式之前，還是寧枉勿縱；頂多在年紀很大的病患上稍微變通。
可以想像，這又是 AI 大展身手的空間；最近一篇刊登在頂尖期刊腸胃科學（gastroenterology）上面的研究，用實戰案例深度學習後的 AI 和現行的歐美日本治療準則正面對決，判斷追加手術的適當性：而檢驗標準是看追加手術後有沒有轉移或殘存癌細胞。
結果十分驚人，不論是 AI 或其他國際標準，都沒有漏放任何應該追加手術的案例；但是 AI 成功避免了七成不必要的手術；而歐洲、美國、日本等世界各地專家制定的準則相對多了不少追加手術。當然，我們不能用當下的癌細胞狀況，還需要長期預後才能了解 AI 的判斷是否更理想，但是這樣的小試牛刀，已經讓人十分期待未來的科技發展了。
小結
今天用一些最新的研究，讓大家明瞭 AI 在大腸鏡檢上的巨大潛力。如同其他領域，即使技術本身可行，要上市、推廣、最終普遍的造福人群，都需要很長的時間，並且要克服許多難關。無論如何，做為內視鏡醫師，看到這些科技進步總是十分興奮；也期待未來有更多的發現以及它們真正實用化的一天。
參考資料：
- Will Computer-Aided Detection and Diagnosis Revolutionize Colonoscopy?
- Artificial intelligence may help in predicting the need for additional surgery after endoscopic resection of T1 colorectal cancer
