本文重點
- 台灣大腸癌發生率居世界之冠，全球第三大常見癌症及癌症死亡第二大原因。
- 早期大腸癌患者多依賴醫師經驗評估，無法精確預測腫瘤進展與惡化。
- 成大資訊團隊與美國生醫團隊開發可解釋AI學習框架，提升大腸癌治療效果。
- AI框架無需昂貴基因定序，成功預測關鍵遺傳畸變、基因表現譜、整體生存期和無疾病存活期。
- 跨國研究歷時兩年，參與人員共21位，包括美國生醫團隊15位及成大資訊團隊六位。
- 將免費公開所有AI預測軟體及工具，造福病患。
早期患者多是由病理科醫師根據經驗評估癌症組織變異，無法精確預測腫瘤的進展與惡化，使得治療成果有些「碰運氣」。很少人知道，若能早期發現，大腸癌其實是最能夠治癒的癌症。
因此，成大資訊團隊與美國生醫團隊合作，開發了一個可解釋的AI學習框架，無需複雜且昂貴的基因定序，就能以病理切片，系統性辨識組織病理學、多體學（Multiomics）和患者存活結果間的關係，是數位病理科技上一大革命，也躍登重要期刊《自然通訊》（Nature Communications）。
這個研究成功的關鍵，在於使用先進的數位病理技術——想像電影〈侏羅紀公園〉 裡被鑲嵌在琥珀中的蚊子，透過牠，能清楚解析腫瘤切片的所有細節與特性；醫師不再只能猜測患者存活率，而能用AI系統清楚解釋患者預後與病理切片的關聯性，大大提升臨床決策。
對臨床預後不佳（即治療結果預估不理想）的患者，腫瘤科醫師可提供更積極的治療方案，或全新臨床試驗的機會。
成大團隊開發可解釋AI學習框架，不再需要複雜且昂貴的基因定序，僅以病理切片，就能清楚解釋患者預後。圖片來源：Shutterstock
在研究中，我們成功預測了大腸直腸癌患者的關鍵遺傳畸變、基因表現譜、整體生存期和無疾病存活期，並找出他們與病理切片檢查間明確的關聯。團隊的研究結果也證實，這些生物標記與免疫細胞的相關性；並揭示在預測多體學研究上，病理切片將可提供免疫治療的應用。（延伸閱讀｜小港醫院院長郭昭宏：智慧醫療是方法，提升品質是目的）
這個跨國研究歷時兩年，參與人員共21位，包括美國生醫團隊15位及成大資訊團隊2位。
我是電腦科學家，但也能在《細胞》（Cell）《自然》（Nature）《美國國家科學院院刊》（PNAS）等頂尖醫學期刊發表論文。這次除了擔任通訊作者，本論文前五位作者皆為我指導的成大學生。
更值得一提的是，成大團隊此次投入的研究經費僅數萬美元，但整體資料集及實驗費用投資應在百萬美元之譜，差異懸殊；嚴格說起來，成大資訊團隊貢獻的是「金頭腦」，用少少的經費，做出最頂尖的研究。
我們建置這個AI框架後，也與其他國際知名生醫團隊合作，如哈佛大學醫學院助理教授余坤興、波士頓布萊根婦女醫院（Brigham and Women's Hospital）病理科、波士頓丹娜法伯癌症研究所（Dana-Farber Cancer Institute）等單位研究人員，提供長達28年的資料集，進行多重世代驗證及研究意見。
最後，分享一個研究背後的辛酸故事。
兩年前，我以這個前瞻構想申請科技部計劃，不幸被審查委員婉拒；有整整六個月，發不出薪水以及獎學金給助理和研究生，也無法買計算設備，只好轉而使用免費的全球公開生醫資料。所幸後來被國科會AI重點計劃相中，爭取到每年有新台幣300萬元補助的「AI技術攻堅計劃」，研究才得以繼續。
因此，我們也將免費公開所有AI預測軟體及工具，讓各醫院都能自由運用，造福病患。（延伸閱讀｜讓國旗登上WHO主辦的黑客松！AI一秒判讀新冠肺炎X光 成大擊敗全球1000多隊奪勝）
註：《自然通訊》（Nature Communications）期刊在2021年的期刊影響力指標（Impact Factor）為17.694，其五年影響力指標（近五年統計至2021的期刊影響力指標）為17.764，在跨科學領域排名前2.5%。
