然而癌症猶如黑盒子，不僅診斷相當棘手，需經歷無數的檢查與等待，也往往無法精確掌握腫瘤的進展與惡化，讓治療成果總是部分「碰運氣」，常使得醫師及病人備感無奈。
經衛福部統計，2022年台灣主要死因第一名是癌症。資料來源：衛福部
為解決癌症醫療瓶頸，全世界生醫研究人員早在多年前，便將當紅的人工智慧引入癌症醫學，不斷加深機器學習、電腦視覺等技術在治療過程的應用，輔助醫師大幅提升治療精準度——更快速且精準地識別癌症、預先預測藥物療效、制定個人化客製療程，為癌症醫療展露一絲曙光，也成為腫瘤科、放射科等醫師的神隊友。
進一步來說，AI用於癌症治療可分為三大類：
AI輔助一：肉眼難見的病徵與腫瘤變化，AI30秒內揪出
第一是AI醫學影像的自動化分析，包括針對癌症的影像醫學篩檢，如X光檢查、內視鏡、超音波、電腦斷層掃描、核磁共振造影等。對於辨識可疑的病灶、腫瘤治療成效的評估、併發症的診斷，AI皆扮演重要的角色。
而AI的導入可助力專科醫師，自初步的影像篩檢中，透過機器學習，辨識出肉眼難以發現的病徵。比如自胸部X光片中，揪出小於一公分的肺癌病灶，又或是大腸內視鏡檢查，可自息肉中發現可疑病灶，早一步投入治療。
除了發現初期病徵，更進階的應用在於在治療過程中，運用AI進階分析識別腫瘤在顏色、大小、形狀的變化，或追蹤病變的細胞以評估其對治療的反應。
例如，荷蘭阿姆斯特丹大學醫學中心為精準化肝癌的化療反應評估，運用SAS可視化數據挖掘的圖像分析功能，將2D平面的電腦斷層（CT）掃描影像立體化，轉換為3D影像，讓醫師更清楚檢視原本易被忽視的不對稱腫瘤，快速識別腫瘤的形狀大小變化，並注意其顏色；並將病變的腫瘤裁剪成單獨的圖像，自動分析不同腫瘤的數據指標，提高化療反應評估的速度和準確性，再決定要對病人手術或化療，使癌症治療更精準。
SAS Viya將病變的腫瘤裁剪成單獨圖像，提高化療反應評估速度與準確度。
SAS Viya自動化分析不同腫瘤的數據指標後，評估化療反應狀況。
AI輔助二：分析複雜龐大的DNA資料，加速實現精準醫療
AI強大的運算與深度學習能力，不只用於影像分析，還能輔助近年癌症治療的重心：精準醫療。
傳統的癌症治療偏向一體適用，但每個人的病徵，及對藥物和手術的反應皆不同，這與其DNA特性息息相關。因此，透過治療前的基因檢測，找到最適切的治療方法，能避免病患承受不必要的療法，錯過黃金治療時機。然而DNA序列一般有30億個核苷酸，為了解碼龐大的基因庫，找到最佳治療方式，就必須仰賴能大量分析、精密解讀的人工智慧
美國一則著名的精準醫療範例，是一名患有急性白血病十歲男童哈里森（Harrison）。他先是接受常規的化療，卻發生嚴重癲癇；深究後發現他得到的是EBF1-PDGFRB白血病，會排斥常規療法。
透過SAS Viya人工智慧分析平台進行運算，讓專家研究哈里森的DNA數據與最合適療法；即便他15歲時癌症於腦部復發，最終仍透過一系列標靶治療和CAR T細胞療法，使癌症成功獲得緩解，目前已是22歲的大學生。
其中有個有趣的小插曲。哈里森因癌症無法重拾熱愛的棒球運動，但癌症療法的開發部分源自數據分析，卻激發了他的興趣。他發透過分析數據，收集比賽期間球隊的數據，進一步分析球員擊球的優劣勢，以此保持與熱愛的棒球運動間的聯繫。（延伸閱讀｜你易得什麼病？該用什麼藥？中研院「台灣精準醫療計畫」解密）
癌症讓哈里森無法參與棒球運動，卻讓他可以投入分析數據、繼續熱愛棒球。
AI輔助三：資料共享，加速臨床決策與醫藥開發
當前人工智慧於醫療發展有重要的突破，關鍵之一是「資料共享」。在數位化、資訊化的帶動下，電子病歷、臨床大數據、基因資料庫、醫學文獻等資料逐步建立，可做為AI模型預測的基礎，輔助醫師進行臨床決策、判斷預後，大幅縮短診斷流程。
舉例來說，紐約凱特琳癌症中心發展出血液檢測方法，讓前列腺癌症病友，可以不用排隊等待電腦斷層等影像篩檢，便能了解癌症治療的療效。其應用SAS Viya資料分析平台，透過AI模型運算，分析多家製藥廠商的臨床資料集，發現血液中若出現某個血球細胞，便可顯現治療的有效性。
AI除了輔助醫師，使其受惠於資料共享，醫藥開發也有突破性進展；Covid期間的救命藥物瑞德西韋（Remdesivir），便是在這樣的背景下，得以快速研發並讓各國病人使用。
一般新藥開發需要10到15年，但若是「老藥新用」（Drug repurposing），因既有藥物已有相對完善的臨床前與臨床資料（如藥物動力學、人體安全評估），可大幅降低研發成本與時間。
COVID-19疫情間，美國食品醫藥管理局（FDA）便與SAS合作，藉由開發「老藥新用」的AI模型，探索既有藥物的新靶點是否能抵禦Covid，並運用Covid的臨床資料集，進行模型的訓練與反覆驗證，讓Covid救命藥物能快速問世。（延伸閱讀｜披羊皮的大野狼！新冠病毒裝無害入侵人體 7種老藥新用抓「詐騙」）
人機協作、可解釋性AI發揮最大效益
AI成為醫師的神隊友，不僅提升精準度，更能借助自動化大幅減輕負擔；但AI仍存在風險，要擴大效益、降低漏查機率，仍需有賴「人機協作」與「可解釋性AI」。
去年八月，知名醫學期刊《刺胳針》（The Lancet）的醫療資訊平台刊出的一篇研究顯示，放射科醫師加上AI輔助偵測，乳癌掃瞄影像的判讀準確度更高。透過透明的AI決策解釋機制以追蹤模型和演算法，即使AI判斷結果有偏差，也能及早修正，強化AI可信度，也更便於醫院建立全端的稽核機制和透明化流程。
隨著AI的新技術、新觀念在癌症醫學領域逐漸發酵，可以期待AI在「影像辨識」「精準醫療」和「共享大數據分析」等領域持續發揮作用，並精進效能，輔助醫師、病理學家、生技公司等在早期病灶偵測、縮短新藥研發和減少無效治療上帶來突破。雖然控制癌症這個世紀難題的夢想不可能一蹴可幾，但也讓癌症治療的未來令人樂觀以期。（延伸閱讀｜一管血活捉癌細胞！中研院研究員養「體外腫瘤」 替病人試出最有效抗癌藥）
