人工智慧 (Artificial Intelligence) 在泌尿道疾病的目前應用和未來趨勢

林宗彥

在2014年上映的超級英雄電腦動畫喜劇電影「大英雄天團」中，主角機器人杯麵(Baymax)是一個呆萌的醫療機器人，透過對目標人物全身快速掃描就可以掌握其健康狀態，若偵測出疾病會立即給予客製化的治療方式。或電影「極樂世界」所描述的未來世界中，在最富有權貴所居住的人造外太空都市，有只要躺上去，就可以治癒百病的醫療床，越來越多的科幻電影刻畫著AI人工智慧在醫療應用上的想像，似乎人類醫師在未來是可以完完全全被機器所取代。但冰冷的數據分析真的能取代具人文情感思考的大腦? 就目前AI人工智慧在醫療應用的發展而言，人工智慧(AI, artificial intelligence)跟醫師兩者不是互相競爭或替代的，而是應該相輔相成，精進疾病的診斷及治療，進而提升醫療品質。這篇文章筆者要為大家介紹目前AI人工智慧可以透過甚麼樣的方式輔助我們泌尿科醫師，以及未來發展趨勢。

什麼是AI人工智慧呢? 目前AI人工智慧的定義為讓電腦或系統設備透過數據分析加上持續校正和進化，模擬人類邏輯、思考、決策、和執行的能力。AI人工智慧的發展進程可以用一個同心圓來表示(如圖一)。

圖一、AI人工智慧的進展模型以及同心圓關係

早期有自動控制功能的機器像是冷氣機、吸塵器等等，透過感測器偵測外界的變化後經由控制程式自動進行調整和反應，是屬於較低階AI人工智慧的模式。「機器學習」(Machine learning)是AI人工智慧的一個子集，代表了進階的學習模式，在機器學習中，大量資料會被輸入電腦，接著電腦會被訓練透過演算法來分析數據，從中學習，利用其分析的結果做出結果和預測，當收集的資料越多，準確度越高。「神經網絡」(Neural network)是複雜的機器學習模型，就像生物大腦的結構，單個人工神經元只能進行相對應被訓練問題的判斷與決策，但神經網路可以將多個人工神經元串聯，當輸入某神經元的訊號並非其所能演算及判斷時，會將訊息層層傳遞到不同的神經元去演算，最後得到輸出結論，可以幫助處理更複雜的輸入訊息。「深度學習」(Deep learning)是最進階的學習模式，通常包含多層神經網路，用以幫助電腦自行學習和理解資料的特徵值，之後電腦利用自行學習的結果去做判斷。深度學習跟機器學習最大的不同是(如圖二)，機器學習處理資料的特徵值是由人類告訴電腦，而深度學習處理資料的特徵值是由電腦自己學習而得到的。

圖二、機器學習(Machine learning)和深度學習(Deep learning)不同的學習模式 (資料參考來源https://dltlabs.medium.com)

目前AI人工智慧在泌尿道疾病的應用以及研究相當的多，從泌尿道的惡性腫瘤像是攝護腺癌、腎臟癌或膀胱癌等，到良性疾病像是泌尿道結石、良性攝護腺肥大、尿失禁、腎臟移植或小兒膀胱輸尿管尿液逆流等，都有相關論文的報告。最常被應用的技術是「電腦視覺」(computer vision)，電腦視覺是利用放射科的影像檢查圖像或病理切片下的組織圖像或內視鏡檢查所看到的圖像，透過學習圖像中的細節和多重特徵，來幫忙做疾病的鑑別診斷，或是用來預測治療的結果或疾病的預後。譬如荷蘭學者Bulten等人於2020年發表於知名期刊Lancet Oncology關於攝護腺癌的研究(參考文獻1)，就是採用電腦視覺的模式，透過對1,243名患者的5,759份的攝護腺切片組織圖像進行深度學習，目標為區分良性攝護腺肥大或攝護腺癌以及對攝護腺癌進行細胞惡性程度分級，之後由三位病理學家針對結果進行嚴謹的檢定，在此研究中AI人工智慧對於攝護腺病理組織下是否有攝護腺癌的判定準確率高達96-97%，對於細胞惡性程度分級的判定準確率則是接近8成。又譬如土耳其學者Kocak等人在2018所發表針對腎臟細胞癌的研究(參考文獻2)，他們也是用電腦視覺的模式，利用電腦斷層的影像使用神經網路的機器學習模型，去預測不同亞型的腎細胞癌，他們的研究中對於腎細胞癌亞型判斷的準確率為84.6%。除此之外，還有各式各樣的研究像是利用電腦斷層影像去學習判斷腎臟良性或惡性腫瘤，或是利用膀胱鏡影像學習去診斷是否有膀胱癌，或是輸入患者的詳細就診資料去預測膀胱癌在治療後的五年存活率等等。

在泌尿道良性疾病關於AI人工智慧的應用及研究則以泌尿道結石為大宗。早在2003年台灣中國醫藥大學蔡輔仁醫師所領導的團隊就有使用神經網路的機器學習模型，利用患者的血液遺傳檢查結果加上飲食及運動習慣去預測受試者是否會有泌尿道結石(參考文獻3)。除此之外，在結石方面的研究還包括利用電腦斷層的影像去預測結石的成分，輸尿管結石自然排出的成功機率，以及腎及高位輸尿管結石在接受體外震波碎石術後成功排出的機會，或是有研究是透過患者臨床資料、抽血及影像檢查結果的資料庫，去預測經皮腎造廔取石手術的成功率。目前筆者所服務的成大斗六分院泌尿科，針對泌尿道結石也有與雲林科技大學電機工程學系合作進行AI人工智慧的研究，目前是採用神經網路的機器學習模型，利用無造影腹部電腦斷層影像的電腦視覺模式，幫助電腦學習在不同電腦斷層的切面上判定是否有輸尿管結石以及預測此結石在接受體外震波碎石術後是否可成功排出 (圖三為電腦在學習後於電腦斷層切面上找到並標定結石)，目前研究還在進行中。

圖三、電腦演算後於電腦斷層切面上找到並標定結石。紅色箭頭所指藍色部分為電腦所找到的結石。

過去AI人工智慧於泌尿道疾病的應用都著重於疾病的診斷和治療結果的預測，目前也有未發表的研究則是希望透過這項技術來提升治療效果，日前筆者參加一場國際男性不孕症視訊研討會時，美國康奈爾大學男性生殖手術泰斗Marc Goldstein教授分享了他們利用AI人工智慧的方式幫忙即時篩選出較優的精蟲來提升試管嬰兒的成功率，相當振奮人心!除此之外，像是智慧手機的連結，遠端醫療即時診斷及救治，或是雲端資料的連結與分享等，AI人工智慧於泌尿科的應用還有很多方向是等著我們去發掘的。筆者曾於手術開刀時幻想著，也許以後會開發出所謂的手術智能眼鏡，開刀過程中在智能眼鏡的輔助下能精確地幫忙區分神經及血管，快速的找到組織中安全的切入界線，減少術中的出血或組織傷害。

世界經濟論壇主席Klaus Schwabe幾年前在達沃斯峰會上發表了以下聲明：「我們正站在一場技術革命的邊緣，這場革命將從根本上改變我們的生活、工作和人際關係方式，就其規模、範圍和復雜性而言，這種轉變將不同於人類以往經歷過的任何事情」AI人工智慧正是引領這場革命的技術之一，隨著科技的進步，AI人工智慧在醫療上面的應用及發展讓人充滿無限遐想!

參考文獻

1. Bulten, W., Pinckaers, H., van Boven, H. et al.: Automated deep-learning system for Gleason grading of prostate cancer using biopsies: a diagnostic study. Lancet Oncol. 2020 Feb;21(2):233-241.
2. Kocak, B., Yardimci, A. H., Bektas, C. T. et al.: Textural differences between renal cell carcinoma subtypes: Machine learning-based quantitative computed tomography texture analysis with independent external validation. Eur J Radiol. 2018 Oct:107:149-157.
3. Chiang, D., Chiang, H. C., Chen, W. C. et al.: Prediction of stone disease by discriminant analysis and artificial neural networks in genetic polymorphisms: a new method. BJU Int. 2003 May;91(7):661-6.

作者資訊

林宗彥 成大醫院斗六分院泌尿部 主治醫師