癌症是全球死亡率最高的疾病之一，而癌症轉移是造成大多數癌症死亡的主要原因。在眾多癌症中，乳癌是女性最常見的癌症之一，其轉移部位包括骨骼、肺、肝臟和腦部。由於乳癌的轉移模式複雜且患者間存在顯著差異，傳統方法難以精確預測轉移的發生及其路徑。當癌細胞從原發腫瘤擴散到其他部位時，治療的複雜性和挑戰性會顯著增加。隨著人工智慧（AI）和計算科學的發展，在「偵測癌症」的領域裏，近幾年已取得了顯著進展；但對「癌症轉移」的預判，AI的應用則仍在努力中，本文將分享一些「以AI來偵測乳癌轉移」的研發概況。
癌症轉移的基本概念
癌症轉移是指癌細胞從原發部位透過血液、淋巴系統或其他機制擴散到別的器官或組織的過程。這一過程涉及一系列複雜的生物學事件，例如癌細胞侵入鄰近組織、進入循環系統（血液或淋巴系統），以及在遠端組織中形成新的腫瘤（轉移灶）。癌症轉移的具體路徑和模式因癌症類型和患者特異性而不同。
人工智慧技術的角色
AI 在癌症轉移研究中的應用主要包括以下幾個方面：
- 大數據分析：透過分析大規模臨床數據和基因組數據，AI 能夠識別與癌症轉移相關的模式和風險因子。人工智慧可以同時分析多種數據 – 醫學影像（如 MRI 或 X 光）、遺傳訊息，甚至患者的病史。透過綜合查看所有資訊，人工智慧可以檢測到癌症可能擴散的跡象。
- 影像分析：AI 驅動的影像識別工具可用於檢測癌症轉移病灶，並追蹤癌症的進展情況。人工智慧系統，尤其是使用機器學習的系統，常能在腫瘤影像中找到醫生可能忽略的細微特徵，這些特徵往往代表了較高的轉移風險，進而幫助醫生做出更好的預測。
- 預測模型建構：利用機器學習演算法建立預測模型，模擬癌細胞如何選擇轉移的路徑和目標器官。人工智慧使用其收集的所有資訊來創建模型，估計每位患者轉移的可能性。這些模型考慮了腫瘤大小、基因突變以及癌症是否已擴散到附近淋巴結等因素。這有助於醫生根據每位患者的個人風險制定個人化的治療計劃。
- 虛擬模擬：AI 技術可以模擬癌細胞的生物行為，進而幫助研究者更深入了解癌症的動態進程。
以手術來判斷乳癌轉移的風險
乳癌轉移的第一個部位通常是腋窩的腋窩淋巴結，它們從乳房和鄰近區域排出淋巴液。檢測這些淋巴結中的癌症對於確定疾病預後和指導化療/放療的治療決策非常重要。
要準確識別腋窩淋巴結轉移，通常涉及前哨淋巴結的切片活檢，其精確度比透過影像觀察更高，但有麻醉和手術風險。進行切片活檢的患者也可能遭受手術與放射治療帶來的永久性不良影響，例如慢性腋窩疼痛、手臂活動受限和淋巴水腫。
所以，許多機構開始以AI來建立預測模型，希望以「非侵入性」的方式來達到與切片活檢同等精準的診斷。
圖1：許多機構正在積極研究以AI來預測症癌的轉移
圖片來源：使用AI生成
研發案例1 – 麻省理工學院
麻省理工學院（MIT）在2023年開發了一種深度學習模型，透過分析乳腺組織圖像並識別與癌症擴散風險較高相關的特徵，以 87% 的準確率預測乳癌轉移，大幅提高了乳癌的生存率。
圖2：MIT的研究提高了乳癌的偵測與生存率
圖片來源：https://biedx.com/predicting-breast-cancer-metastasis-with-ai/
研發案例2 – 德州大學
北美放射學會（Radiological Society of North America, RSNA）在2024年發表了一篇報導，提到了德克薩斯大學西南醫學中心（University of Texas Southwestern Medical Center）所開發的人工智慧工具，單純利用乳房MRI的資訊，就可以幫助預測乳癌擴散到淋巴結的狀態。採用識別這些影像特徵的模型，能夠節省不必要的活檢與額外醫學影像的需求，並降低相關的併發症。
在初步的成果中，僅透過原發腫瘤本身的訊息，他們的模型就可以幫助避免51% 的良性前哨淋巴結活檢，同時正確檢測出95% 的腋窩轉移患者；這是一個重要的好處，因為一些接受前哨淋巴結活檢的患者會出現衰弱、甚至是永久性的併發症，這可能會嚴重影響他們的治療。這樣的臨床支援工具可以幫助醫生當場決定特定病變是否需要活檢，可以使患者免於進一步的腋窩成像與侵入性手術以及相關的併發症和費用。
德州大學的研究人員正持續在探索如何將該模型應用到臨床工作流程中，並打算進行一些前瞻性試驗，以便更了解該模型的最終潛力。
圖3：德州大學以4D卷積神經網路模型來分析腫瘤影像
圖片來源：https://pubs.rsna.org/doi/10.1148/rycan.230107
其他癌症的應用案例
除了乳癌，AI 還廣泛應用於其他癌症的轉移研究：
- 肺癌轉移：在肺癌患者中，AI透過分析胸部CT和PET-CT圖像，能夠檢測癌症是否已轉移至腦部或骨骼。
- 結直腸癌轉移：AI用於分析結直腸癌患者的病理切片，幫助醫生判斷癌細胞是否已透過淋巴系統擴散至肝臟。
- 前列腺癌骨轉移：透過AI驅動的骨骼掃描分析，醫生可以及時發現前列腺癌的骨轉移病灶，並提供早期治療建議。
人工智慧應用的挑戰與展望
透過癌症轉移的預測，AI 不僅能幫助醫生更好地了解癌症進展，還能提供更加個性化的治療方案，上述研究均展示巨大潛力，但其應用仍然面臨一些挑戰，例如數據品質與隱私強化、演算法的解釋性、數據格式和標準的不一致…等，都限制了AI模型的普及應用。一旦突破了這些限制，將有助於更深入地理解癌症的生物學行為，大幅提升預測能力。想像未來有一天，預測癌症轉移就像在預測颱風路徑那樣，能以視覺化、多角度地呈現，為醫生提供了更精準的決策支持，進而改善患者的生存率和生活品質。
圖4：未來預測癌症轉移就像在預測颱風路徑
圖片來源：使用AI生成
封面圖片來源：https://www.istockphoto.com/
參考資料來源：
[1] 麻省理工學院利用人工智慧預測乳癌轉移：https://biedx.com/predicting-breast-cancer-metastasis-with-ai/
[2] 德州大學以AI透過MRI來分析淋巴結狀態：https://www.rsna.org/news/2024/october/ai-identifies-breast-cancer-spread-to-lymph-nodes
[3] 以LightGBM預測乳癌的轉移：https://www.nature.com/articles/s41598-024-66658-x