癌癥治療進入AI時代！自動化放射治療了解一下

　　Babier和他在多倫多大學（(University of Toronto， U of T）的團隊Justin Boutilier、 Timothy Chan 和Andrea McNiven教授等一行人，將放射治療設計視為復雜但可解決的一個優化問題。

　　U of T Engineering researcher Aaron Babier demonstrates his AI-based software's visualization capabilities.圖片來源: Brian Tran

　　AI開發的療法

　　他們的軟件使用AI挖掘歷史放射治療數據，然后將該信息應用于優化引擎以制定治療計劃。

　　研究人員在217名喉癌患者中應用了這一軟件工具，他們同時也接受了傳統療法。

　　AI開發的療法與患者的常規計劃治療結果相比更具可比性，因為它在20分鐘內便可完成。

　　“我們已經開發了其他AI優化引擎。我們的想法是使它能夠更接近當前臨床的最佳療法”Babier說。

　　如果AI可以減少臨床醫生優化治療的困難，那么就可以利用更多資源以其他方式來改善患者治療和結果。醫療保健專業人員可以把他們的精力轉移到提高患者的舒適度和緩解痛苦上。

A treatment plan designed by the engineering researchers' AI-based optimization software.圖片來源: Brian Tran

　　“現在的治療計劃者（treatment planners）需要花費很長時間去制定治療計劃。如果我們能夠智能地利用這個時間，治療計劃者將能夠專注于治療以外的其他方面。實現自動化和簡化工作崗位將有助于提高醫療效率。這對確保高質量的醫療非常有幫助，“Babier說。

　　人力的不可取代

　　Babier和他的團隊相信，通過進一步的開發和驗證，醫療專業人員有一天可以在診所使用該工具。然而，他們也堅定的認為，雖然人工智能可能會給治療計劃者提供一個幫助患者的良好開端，但它并沒有使受過訓練的人類思維過時。一旦軟件創建了治療計劃，它仍會被放射物理學家審查和進一步定制，這可能需要幾個小時。

　　“這非常類似于自動化定制西裝的設計過程，”Chan解釋說，“裁縫必須首先根據客戶的尺寸來設計套裝，然后改變套裝的一些細節地方以達到最佳效果。我們的工具經歷了類似的過程，才能為每位患者構建最有效的放射治療計劃。

　　受過訓練的醫生，通常是專家，仍然需要在更細致的水平上微調治療計劃，并進行質量檢查，這些是工作機器還做不到的。