本報記者 李喬宇
“效率大幅提高，原來需要3天才能做出來的腫瘤放療計劃，機器人維修，現在最快半天就能完成。”談及天津醫科大學腫瘤醫院放療科近期出現的變化，該科室主任袁智勇教授對《證券日報》記者表示。
據了解，天津醫科大學腫瘤醫院放療科出現的這些變化來自于該醫院對于自動計劃系統mdaccAutoPlan的引用。袁智勇告訴《證券日報》記者，該系統除可以提升效率外，其所在科室所做放療計劃的準確率和可用性也出現了可觀的提升。
袁智勇表示，mdaccAutoPlan運用的成功絕不僅僅是個孤例，未來，人工智能技術越來越廣泛的運用于醫療領域將是一個趨勢。
放療界有了“黑科技”
放療計劃設計效率的提升是引入mdaccAutoPlan后最顯著的變化。袁智勇表示，此前物理師制定一個放療計劃大約需要3天的時間，計劃出來后也需要物理師和醫生之間進行反復的溝通。
“現在就很快，基本上今天把資料給他們，明天就出結果了，有時候加急的話，上午給他們，下午就能出結果。”袁智勇如是說。
此外，準確率更高，使用性更強是袁智勇對于mdaccAutoPlan所做出放療計劃的另一個直觀感受。袁智勇向記者介紹稱，目前來看，國內一線、二線城市以及一些低線城市或者新醫院的物理師做放療計劃的水平仍有差距。“事實上很多一線、二線城市物理師也有可能會因每天承擔著大量工作，而很難保證所有的放療計劃都是高水平和高質量的，而通過mdaccAutoPlan所做出的放療計劃能夠維持在一個高水平并且穩定的狀態。”
據袁智勇介紹，美國某知名機構曾經對比過物理師人工做出的放療計劃與mdaccAutoPlan所做出的放療計劃之間的差異，選擇6位中國和美國的資深放療醫師作為評判打分，在對計劃設計者不知情的情況下，打分結果顯示醫師們普遍認為mdaccAutoPlan所做出的放療計劃更完善，使用性更強。
從以往的工作經驗來看，物理師做出計劃后需要與醫生進行大量反復的溝通，而且難以保證工作質量一直處于高水平，但mdaccAutoPlan做出的放療計劃準確性更高，“基本不需要修改”。在袁智勇看來，如果滿分為100分，那么mdaccAutoPlan做出的放療計劃得分能夠達到90至95之間。
袁智勇表示：“引入mdaccAutoPlan后，物理師可以做出的放療計劃成倍數級增長，原來硬件足夠但人手不足難以面面俱到，現在反而是放療加速器這樣的治療硬件設備數量跟不上mdaccAutoPlan做出放療計劃的速度。”
“黑科技”講究定制化
據了解，mdaccAutoPlan是美國多年排名第一的MD Anderson Cancer Center的Zhang Xiaodong教授團隊創新設計出的一套人工智能結合云計算的先進計劃產品，由Global Oncology One實驗室經過多年臨床經驗積累進行開發，北京全域醫療技術集團有限公司代理其在全球的應用和推廣。
該系統覆蓋了多年積累的腫瘤放療高質量大數據，能夠用計算機進行學習和分析，而給予一個新的任務時，計算機將根據前期的學習結果，根據該病例臨床特點，實現自動計劃設計，并將放療計劃設計的效率提升5倍至10倍，而且保證了設計結果保持在一致的高水平。
據介紹，mdaccAutoPlan已經實現全自動化設計，實行隊列模式，一鍵入棧，系統自動檢測任務隊列、自動設計、輸出、保存和統計分析；為不同部位的腫瘤生成靶區輔助輪廓、自動布野、調整目標函數，生成最優計劃，減少物理師個人專業水平和習慣對計劃質量的人為影響。
此外，mdaccAutoPlan并不是一成不變的。袁智勇告訴《證券日報》記者，他所在的科室目前使用的系統是經過重新打磨的。“每個單位都有自己的特點和不同，工業機器人維修，每個物理師也都有自己的習慣。”袁智勇表示，“天津醫科大學腫瘤醫院派出三名工作人員與Zhang Xiaodong教授團隊，以及全域醫療的技術團隊一起打磨，最終帶回了更適合我們科室用于臨床的產品。”
全域醫療方面亦對記者表示，在與相關醫療機構的交流磨合過程中，mdaccAutoPlan還能夠利用頂級醫院的優秀計劃，通過機器學習提取其特征，機器人維修，并應用到新的計劃中，從而快速制作高質量的放療計劃。通過創新的云端算法，還可以同時進行海量計算，解決運算緩慢的難題。
在美國MD Anderson Cancer Center、天津醫科大學腫瘤醫院、中國醫學科學院腫瘤醫院等數十家醫療機構的長期使用中，發現mdaccAutoPlan可將醫師和物理師效率提升5倍至10倍，高質量治療計劃率達95%，已累積臨床病例上萬例。
引入人工智能大勢所趨
mdaccAutoPlan在放療領域的運用或許只是一個開始。袁智勇認為，人工智能技術進入醫療行業一定是個趨勢。
“人工智能技術的關鍵性問題在于能否把它用好，不能靠人工智能解決全部問題，但是人工智能能夠在醫護人員面對繁瑣工作時提供非常有效的幫助。比如男性在45歲以上每年就要做低劑量CT排除肺部病變,而一個薄層掃描CT的信息量是非常大的，大致有500層。那么醫生一層一層去看，很快容易疲勞，一方面效率較低，另一方便可能出現失誤。”袁智勇舉例指出：“如果能夠通過人工智能技術，對以往的臨床影像和病理結果資料進行分析和學習，讓高計算能力的電腦對每一層CT進行快速掃描，并勾畫出可疑病癥和意向診斷，那么能夠成百上千倍地提升看病的工作效率以及準確度。”
相似的案例在醫療行業比比皆是，在袁智勇看來，人工智能技術能夠在影像和病理分析領域目前已經開始發揮重要作用。袁智勇表示，此前，其所在科室的物理師人手緊張工作量較大，隨著mdaccAutoPlan的引入，科室物理師也有了余力去進行更多的質控和科研工作。