李友專專欄|電腦斷層掃描的兩難:To CAT or not to CAT,that is the question

李友專專欄|電腦斷層掃描的兩難:To CAT or not to CAT,that is the question

圖片來源:Shutterstock

文・李友專

一次電腦斷層掃描會產生相當於八萬公斤核食的輻射量,但也可能早期發現癌症。我們應該避之唯恐不及,還是寧可錯殺也不放過?運用AI,或許能作為其利弊權衡之計。

關於電腦斷層掃描,前兩週有兩則大新聞。

第一則是,衛福部健保署統計,每做一次電腦斷層,其輻射暴露量相當於吃下八萬公斤的輻射食品。

任何人一輩子都不可能吃下這麼多的輻射食品,但幾乎人人都可能做電腦斷層掃描(computerized axial tomography scan, CAT scan,或稱computed tomography scan, CT scan;以下統稱CAT )。這個數字實在令人震驚,許多民眾以後做CAT前,可能都得再三考慮。

第二則新聞是,台大醫院前副院長王明鉅在臉書寫到,2013年,台大醫院為全院300位主管進行胸部電腦斷層檢查,發現高達12位主管罹患早期肺癌。由於及早發現,這12位主管都得到了完善的治療與控制;有些主管手術後狀況不錯,至今六年依舊健康。

因此,王明鉅鼓勵民眾及早接受胸部電腦斷層掃描,早期發現肺癌、早期治療。肺癌如果在第0期原位癌時就發現,治癒率非常高。

而這樣的文章則會讓民眾認為,如果進行預防性、體檢式的CAT,就能及早偵測到癌症。

電腦斷層輻射量比一般X光高出上百倍

如果你跟我一樣同時看到這兩則新聞,心裡不免犯嘀咕:預防性胸部電腦斷層掃描,到底該定期做,還是少做?

其實,做或不做,各有立場。To CAT or not to CAT,that is the question。

的確,CAT的輻射量很高,比一般胸部X光片高出數十倍、甚至上百倍。但某些早期沒有明顯症狀的癌症(如肺癌),一般X光片不一定看得到病兆,必須藉由頭部、胸部、腹部等不同部位的CAT,才能做出早期診斷。

這樣的輻射量,並不會讓我們照一次CAT就罹癌;但考量輻射傷害與費用,也不建議大家頻繁接受此類檢查。

【延伸閱讀】:開刀房出錯率50%怎麼防?百萬筆大數據自動替麻醉人員填表單

解法:先靠AI找出高風險族群

若不經任何篩選,讓所有人接受CAT,每2,500人中,約會有1個人被檢查出罹患肺癌,也就是說,有2,499人白白承受了總共相當於20億公斤核食的輻射量。台灣非常幸運,擁有完整的健保資料庫與癌症登錄檔,足以訓練肺癌預測模型。筆者建議應該先利用AI建立個別風險模型、界定高低風險定義後,再找出真正需要進一步做CAT的高風險族群,讓這些人接受CAT,才能發揮利大於弊的成效。 利用此模型檢查出早期癌症的機會也將相對提高,即使每10人中只檢查出1人,也比前述每2,500人當中只檢查出1人還要高出許多,不僅減少整體支出,白白承受高輻射量的民眾也會少許多。如此一來,經由CAT診斷出癌症的好處,就能大於承受輻射量的壞處。

AI能一次計算數十萬種癌症風險變因


過去之所以無法做精準的肺癌篩檢,是因為可以影響肺癌風險的變數非常多,包括基因、年紀、家族史、吸菸習慣、工作與生活環境中空污或二手菸程度、免疫與健康狀態,如是否常感冒、有無肺炎、肺氣腫、肺結核,以及是否有糖尿病或高血壓等慢性病等等。

這些變數資料,約有一半能透過健保資料庫取得;透過問卷及環保署環境資料庫等,則能夠補充家族史、生活習慣、環境空污等資訊。運用AI,便能用這些變數建立模型。

【延伸閱讀】:李友專專欄︱「AI會取代人類醫師」?你可能問錯問題了

以前的統計方法,只要變數超過20個,分析結果就會變得很難解釋;但現在新的AI方法學,已能一次處理上萬、數十萬、甚至上百萬個變數。變數越多,預測就越精準。運用傳統統計方法預測罹癌風險,準確率很難超過80%。而現在新的AI方法學,如機器學習等,則可達到90%以上的準確率。比如美國女星安潔莉娜・裘莉,被算出罹患乳癌的風險非常高,於是決定做預防性乳房切除。若機率不高或對此機率沒有相當信心,任何人都不會願意做如此侵略的預防介入措施。

癌症不可怕,可怕的是為時已晚

癌症不可怕,可怕的是發現得太晚。以肺癌來說,若能利用AI把第0期原位癌(可完全治癒)的診斷率再提升,將會對肺癌治療的存活率、醫療費用、生活品質、癒後生產力,帶來巨大的幫助。

妥善運用AI的癌症預測模型,掌握癌症高風險族群,再給予相對應的早期檢查,將能有效大幅提升全民健康。屆時,To CAT or not to CAT,AI is the answer.(要不要做斷層掃描?AI可以回答)。

 

李友專

醫學是太太,電腦是情人


是位具有醫學資訊研究所教授頭銜的皮膚科主治醫師。初中時父親買回一台電腦Golden II開始寫程式,而後進入醫學系,實現了IT技術和臨床醫學的完美融合。
2010年10月當選美國醫學資訊領域最高學術榮譽委員會美國醫學資訊學院(ACMI)院士,成為唯一一位來自亞洲的院士,被稱為台灣醫學資訊之父。 

延伸閱讀