自动勾画、设计放疗计划、预测效果, AI让肿瘤精准治疗成为可能

肿瘤，特别是恶性肿瘤，是现代医疗面临的最大难题之一，肿瘤患者的难以治愈、易于复发、死亡率高、治疗成本高昂等问题，也是摆在人类面前的巨大挑战。人工智能辅助肿瘤诊疗，可满足更多肿瘤患者的诊断、放射、药物治疗需求，具体体现在可在放射影像中辅助医生识别和勾画肿瘤及正常器官、辅助医生进行疗前、疗中、疗后治疗效果的预测、辅助放疗物理师进行放射治疗计划的设计等方面。覆盖肿瘤影像诊断、肿瘤智能放疗、肿瘤药物研发、患者跟踪治疗等关键场景。人工智能的应用将进一步促进肿瘤患者个体化精准治疗的落实，促进行业规范形成，不断改善肿瘤患者的医疗条件，提高肿瘤患者生存率。

一肿瘤诊疗概览

1.1肿瘤类型

按患病程度：①良性肿瘤②恶性肿瘤（癌症）

按患病部位：①中枢神经系统②胸部③腹部④泌尿及生殖系统⑤头颈部⑥其它部位

1.2肿瘤诊断方法：①实验室检查②影像学检查③病理检查

1.3肿瘤治疗方法：①手术治疗②化药治疗③放射治疗④中药治疗⑤生物治疗

1.4常见恶性肿瘤：①肺癌②胃癌③食管癌④肝癌⑤乳腺癌⑥子宫颈癌⑦肠癌⑧白血病⑨鼻咽癌

1.5常见肿瘤药物类型：①烷化剂②抗代谢药物③小分子靶向药④单克隆抗体⑤铂类配合物

1.6肿瘤诊疗流程

1.7肿瘤数据产生及流转

二肿瘤诊疗领域产业及市场概况

2.1肿瘤诊疗市场规模

根据中国产业信息网数据，2015年全球肿瘤消融设备及耗材市场规模约为7.56亿美元，预计 2022年市场规模约15.80亿美元，年均复合增长率约11.1%，高于全球医疗器械行业整体增速，2012年全球共新增癌症病例约 1,410 万例，预计2025年新增癌症病例超过2,000万人。据前瞻网数据，2018年我国城市常见癌种诊断与治疗花费平均约为63300元，我国肿瘤医疗服务市场年存量规模为2500亿元以上，肿瘤医疗服务，包括肿瘤诊断、肿瘤治疗和姑息治疗三个阶段，其市场份额约分别为5%、80%和15%。

2.2肿瘤诊疗产业链

2.3肿瘤诊疗中人工智能技术应用

数据挖掘：用于对海量靶点数据分析进行肿瘤药物研发，以及肿瘤基因数据分析等。

计算机视觉：用于肿瘤医学影像/病理图像中病灶的识别、分割、分析，放疗中的图像处理等。

自然语言处理：用于肿瘤医学文献研究及文本分析，建立肿瘤知识库等。

深度学习：用于建立肿瘤疾病分析模型，对肿瘤风险或患病概率做出预测，放疗靶区自动勾画等。

三肿瘤诊疗领域细分应用场景及代表机构

四肿瘤诊疗代表 AI 技术,应用产品/解决方案及应用案例

Insilico Medicine——药物发现工具Pandomics：该公司开发和验证了一套可供生成模型以及机器学习的算法，用来设计生成小分子靶向药物，应用于治疗衰老和肿瘤。Insilico Medicine能通过其靶点发现平台找到在癌症、纤维化、NASH、免疫学和中枢神经系统疾病等方面的靶点。Insilico Medicine的研究展示了用生成模型以及增强学习算法设计出来的小分子靶向药物，并且在细胞和动物模型上验证了设计出来的分子活性和初步药代动力学特性。

中山大学——人工智能辅助内镜上消化道癌早期诊断系统：此项研究通过采集上消化道癌患者和正常人群内镜图像进行大规模机器学习，利用和持续改进以深度卷积神经网络为基础的图像识别算法，研发出一套上消化道癌内镜AI智能诊断系统（GRAIDS）。该系统通过模拟医生的思维和诊断推理，对内镜下肿瘤病变进行智能识别和分析，可提高早期癌变的识别率和诊断的准确性，其主要功能包含以下三方面：GRAIDS可以准确诊断上消化道肿瘤并且实时指导内镜检查操作；低年资内镜医生在GRAIDS的帮助下可达到经验丰富的内镜专家诊断水平；构建了基于云技术的多中心上消化道癌内镜AI诊断平台。

百洋智能——影像解决方案（BïSO）：该产品可可对肿瘤相关手术进行术前手术计划、术中定位导航，并在手术结束后进行疗效评估。该系统主要具备三项技术特色：基于人工智能的融合配准工具，实现了多模态的影像数据整合；基于人工智能的肿瘤和组织结构分割工具；基于虚拟/混合现实技术的3D 模型展示。以骨瘤切除手术为例，通过BïSO的CT-MR多模态影像融合术前辅助系统，可在术前通过分析影像了解肿瘤的范围，判断肿瘤组织与正常组织的边界，精确判断手术的切除范围。目前骨肿瘤多模态3D影像手术计划已在华西医院应用，助力骨盆恶性肿瘤精准切除，辅助开展了200余例手术。

IBM——癌症咨询系统Watson for Oncology（WfO）：WfO能帮助医师快速发现患者病历中的关键信息，找到相关证据，探索各种治疗方案。WfO自2012年起开始接受纽约纪念斯隆-凯特琳癌症中心(MSK)的肿瘤学家们密集的医疗训练，旨在了解与癌症患者相关的关键数据，例如血液检测结果、详细描述肿瘤类型、大小和位置的病理学和影像学报告，以及是否存在基因突变等。随后，为了给特定患者提供循证治疗建议，该项目梳理了大量医学文献，到目前为止，WfO 已经可以为乳腺癌、肺癌、前列腺癌、结肠癌、膀胱癌、子宫内膜癌、甲状腺癌、直肠癌、肝癌、胃癌、卵巢癌、食道癌、宫颈癌13种癌症提供治疗决策支持。

全域医疗——智能放疗计划系统mdaccAutoPlan：该系统覆盖了肿瘤放疗大数据，能够用计算机进行学习和分析，给予一个新的任务时，计算机将根据前期的学习结果，根据该病例临床特点，实现自动计划设计，并将放疗计划设计的效率提升5倍至10倍，而且保证了设计结果保持在一致。mdaccAutoPlan实现了全自动化设计，系统自动检测任务队列、自动设计、输出、保存和统计分析，为不同部位的肿瘤生成靶区辅助轮廓、自动布野、调整目标函数，生成最优计划，减少医生个人专业水平和习惯对计划质量的人为影响。

零氪科技——人工智能辅助决策系统Hubble：零氪科技通过将患者病例数据和算法模型应用于肿瘤治疗，构建诊疗模型并提供数据支持，从而辅助医院管理决策、辅助科研、辅助临床诊疗。Hubble 系统“AI-肺结节智能诊断”模块全自动地识别CT影像中所有的结节，识别率达91.5％。零氪科技目前已与超500家综合及专科三甲医院合作，通过对临床数据进行智能结构化处理，建立了大规模肿瘤数据平台。Hubble系统已经通过公安部-信息系统安全等级保护认证第三级，以及HIPAA-美国医疗信息安全保护法案认证。

海心智惠——癌症患者精准治疗管理移动App海心抗癌：该 APP 提供了一整套肿瘤治疗的规范系统，包含了专业科普、病情解读、方案分析、疗程规划管理、药物智库等，帮助癌症患者和家属科学抗癌。海心抗癌APP通过将癌症治疗规范与人工智能相结合，综合考虑癌症治疗过程中的复杂因素，帮助患者制定和选择最适合自己的治疗方案。App 中包含针对肿瘤疾病的智能诊疗系统，该系统将国内最新癌症诊疗规范与人工智能相结合，融合肿瘤专家临床经验，为不同患者在不同阶段提供最佳的治疗方案和疗程规划建议。

五 AI 技术在肿瘤诊疗中的应用局限性

1.国内缺乏与发达国家类似的成熟的大规模肿瘤信息数据库。

2.肿瘤影像数据标注标准不统一、标注数据较少且标注难度过大。

3.获得三类医疗器械许可证类肿瘤人工智能产品较少。

4.肿瘤发病因素复杂，难以简单输入海量数据实现人工智能分析。

六肿瘤诊疗智能化发展趋势

1.传统放疗器械厂商逐步引入人工智能放疗系统，提高放疗效率。

2.人工智能影像诊断产品在基层医院普及，推进肿瘤早筛。

3.头部医院牵头建立肿瘤大数据中心，助力肿瘤医学前沿研究。

4.肿瘤基因测序大数据分析成为主流，进一步推动肿瘤精准医疗。