AI为癌症手术做“预报”，如何让术后并发症降幅超30%？

微信邦

今天，得到联合创始人、《AI学习圈》主理人快刀青衣老师，来聊聊，最近Nature Medicine期刊上一篇关于结直肠癌研究的医疗论文。
要知道，结直肠癌在全球癌症相关死亡原因中排名第二，每年夺走近百万人的生命。尽管现代手术技术已成熟，术后死亡率能控制在1%-4%之间，但手术后的并发症仍然是个大问题，有些患者可能会出现严重并发症，甚至危及生命。
不管是对于患者，还是对于家庭来说，任何癌症治疗技术的每一点进步都异常珍贵，也会带来更多希望。作者：快刀青衣
来源：得到App《AI学习圈》这个研究简单来说，就是丹麦西兰大学医院的一个医疗团队用AI给结直肠癌手术做了一场“天气预报”。天气预报同学们都熟悉，就是提前看看明天、后天会不会下雨、变天、有没有台风，这样就能提前规划工作和生活。这个研究的原理其实类似，就是通过AI提前预测即将做手术的患者，有多大的可能发生术后并发症。
但是结果相当震撼：严重并发症发生率从28%降到19.1%，降幅约32%；任何医疗并发症发生率从37.3%降到23.7%，降幅超36%。更让人意外的是，这套AI系统不仅救命，还省钱——每个患者平均节约2847.59美元。说实话，当我看到这些数据时，第一反应是：这是真的吗？AI真能做到这种程度？这个研究团队的领头人是西兰大学医院外科中心的教授，叫伊斯梅尔・戈根努尔（Ismail Gögenur），咱们后面就直接称他为伊斯梅尔教授了。他们团队面临的问题很现实：医生其实早就知道，如果能在手术前后对高风险患者进行特别干预，比如加强营养、术前锻炼等，是能有效减少并发症的。但核心问题在于，很难提前准确判断出哪些患者属于“高风险”人群。其实之前并不是没有术前评估，但传统的风险评估，就像看天上的云彩来猜明天的天气，准确性有限。医生主要依赖一些老旧的评分系统，而研究显示，这些传统评分往往会过高估计手术风险。更关键的是，这些系统只考虑少数几个参数，很难针对患者进行个性化评估。于是，伊斯梅尔教授想到了一个绝妙的类比：给手术做“天气预报”。就像气象台会通过分析历史气象数据预测明天的降雨概率一样，这个团队将丹麦全国18403名结直肠癌手术患者的数据“喂”给了AI模型。这些数据来源于丹麦结直肠癌组织（DCCG）数据库，这个数据库基本上覆盖了丹麦99%以上的结直肠癌手术患者，数据质量极高。接下来，AI模型就像天气预报分析历史气象数据一样，去寻找哪些患者的哪些特征往往预示着“暴风雨”——术后并发症或一年内死亡的风险。这个过程并不简单，科学研究并不是直接把数据扔给AI，就能像变戏法一样产出很好的结果。研究团队最初识别出多达8694个潜在预测因子，也就是可能引发术后并发症的原因。他们通过数据驱动与临床监督相结合的方法，最终筛选出68个关键指标进行训练，包括年龄、身体状况、化验指标、既往病史、体能状态评分和癌症分期等，然后这里面有58个指标被纳入最终模型。模型训练完成后，这个模型的预测准确度相当不错：ROC曲线下面积达到0.79。这个说法听起来很专业，其实意思很简单，就是意味着模型有接近八成的把握，区分出哪些患者术后并发症风险高、哪些风险低。咱们一看就能知道这个数据的价值：只要有了它，在术后跟踪治疗上，医生就能先集中精力关注那些被标记为高风险的患者。当然，这并不代表其他患者就不关注了，而是能在系统层面实现疗效最大化和资源最优化配置。更关键的是，他们根据预测结果设计了四套个性化治疗方案。患者被分成四个风险等级：A组，就是预测的1年死亡率风险≤1%；B组是1%-5%；C组是5-15%；而D组就意味着大于15%。就像天气预报根据降雨概率不同，发布不同颜色的预警警报一样，这也相当于根据患者的不同风险，给医院和医生发布了“分级警报”。A组的低风险患者按现有标准流程治疗；B组在标准流程基础上增加营养师咨询和蛋白质补充；C组则进一步叠加术前监督训练与呼吸理疗；D组作为高风险群体，采用“全副武装”的方案，包括术前高强度间歇训练、静脉铁剂补充、术中目标导向血流动力学监测、术后24小时重症监护，还有专门受过训练的护士一对一照护。2023年2月1日，西兰大学医院正式启用这套AI决策支持系统。所有准备接受结直肠癌手术的患者，都会先通过这个系统完成风险评估。这个系统的效果十分显著。研究团队对比了系统启用前后的患者数据：将启用前的806名患者设为对照组，启用后的194名患者设为干预组，以分析干预效果。结果显示，严重并发症发生率从28.0%降到19.1%，这意味着原本10个病人中有3个会出现严重问题，现在只有2个不到。任何医疗并发症的发生率从37.3%降到23.7%，降幅超36%。最让人意外的是经济效果。他们用混合决策树和马尔可夫模型进行了成本效益分析，发现个性化治疗组的成本是25159.36美元，而标准治疗组是28006.94美元，每个病人节约2847.59美元。你可能会问， 按照每个病人进行个性化治疗来看，按理说应该更贵才对，为什么最后会省钱呢？因为预防产生了效果，就避免了那些昂贵的严重并发症处理费用。一个严重的术后并发症可能需要重新手术、长期住院、多种药物治疗等，这些费用远远超过预防性干预的成本。伊斯梅尔教授特别强调，这套系统的成功关键在于多学科合作。项目从一开始，外科医生、麻醉师、理疗师、营养师、数据科学家就共同参与，确保AI模型解决的是临床真正需要解决的问题。研究团队还做了一个巧妙设计：虽然AI会给出风险分级建议，但医生可以根据临床判断进行调整。在194个病例中，有9例被医生调整了风险等级，占比为4.6%。这种“人机协作”的模式，让医生更容易接受并信任这套系统。当然，这个研究也有局限性。伊斯梅尔教授很诚实地指出，这并不是严格的随机对照试验，样本量相对较小，而且只在一家医院进行。为了解决这些问题，他们已经在丹麦启动了多中心随机对照临床试验。另外，目前这套系统只针对结直肠癌手术。但研究团队认为他们提供的是一个可推广的框架，希望将来能拓展到更多医疗领域。我觉得这个研究最打动我的地方，是它真正实现了从“预测型AI”到“干预型AI”的跨越。以前很多AI医疗项目都停留在“我能预测你可能会生病”的层面，但这个团队往前多走了一步——“我不仅能预测风险，还能告诉你具体该怎么办”。这就像天气预报，不只告诉你“会下雨”，还会建议你该带雨伞还是雨衣，走哪条路线更安全，以及什么时候出门最合适。这个案例清楚地告诉我们：最好的AI医疗不是替代医生，而是辅助医生做出更精准的决策。因此，我们要做的不是害怕AI，而是要学会如何利用AI。值得注意的是，这还只是丹麦一家医院的研究成果。我在想，国内任意一个省会城市的三甲医院在数据量上可能都要远超丹麦西兰大学医院。如果我们能利用这项优势，建立起一套AI赋能的通用术后风险评估体系，那无论对于医院、医生，还是患者来说，都是一件好事。我们完全可以期待，未来AI将在这类有价值的宝贵落地场景上，发挥更大的作用。