2018年，一個網名為“coolwulf”的“業餘程序員”，在程序員社區V2EX發布了一款應用，可以通過人工智能（AI）看胸片，給出是否罹患乳腺癌的意見。它有很高的準確率，而且是免費的。一時間引來無數好評。
地下室實驗引FBI“烏龍”搜查！南大校友用50張顯卡對抗癌症
文 |《中國科學報》實習生 孟凌霄
如今，“coolwulf”的方向從癌症檢測轉移到實際治療方面，並帶着AI診療腦瘤系統回來了。
“coolwulf”原名姜浩，本科畢業於南京大學物理系，博士畢業於密歇根大學核工程和放射科學系，曾在布魯克、西門子擔任研發總監，指導影像領域的產品開發。目前在醫學影像深度學習公司NeuralRad擔任首席執行官。
這些年來，他有自掏腰包，發動親友蹲守50張顯卡的壯舉；也有地下室跑實驗，引來FBI登門檢查的烏龍；但更多的是，“讓患者活下去、活得好一些”的願景。
姜浩所在的NeuralRad團隊
地下室實驗，引來FBI
2017年，姜浩的一位南京大學學妹因乳腺癌去世。“當時發現得晚了，才34歲，留下了一個4歲的孩子。”
根據世界衛生組織數據，乳腺癌已成為全球發病率第一的癌症 。姜浩知道，乳腺癌的一大特點是“越年輕，越兇險”，年輕人的乳腺癌會擴散更快。如果能在乳腺癌Ⅰ期發現，5年生存率是99% ，但在國內，乳腺癌的早期發現率不足20%，而通過篩查發現的比例更不及5% 。
姜浩想，如果AI可以幫着“看片子”，也許能大大提高乳腺癌的早期檢測成功率。他決定，將醫療影像與深度學習相結合。
對於一個足夠好的深度學習模型，一是要有足夠多的數據，二是要有足夠強大的計算力。
姜浩從北美和歐洲幾個研究機構獲得了帶標註的胸部醫療影像。他解釋道，這些標註能夠區分是否患有乳腺癌（良性或惡性的腫塊或者鈣化組織），而標註大多來自美國放射學委員會認證的放射科專家。如果深度學習模型能夠訓練好，就可以達到這些專家讀圖的平均水平，甚至更好。
另一方面，足夠強大的計算力需要硬件支撐。
在乳腺癌檢測項目啟動的2017年底，市面上幾乎沒有GPU雲端服務，因此只能個人購買硬件設備。當時虛擬幣挖礦火熱，單張顯卡的價格被從幾百美元炒到1100美元，而且還有價無貨。
為了湊到足夠的硬件算力，姜浩自掏腰包，發動親友在購物網站蹲守多日，終於搶到了50張1080Ti顯卡。此外，加上訓練模型所需的電腦主板、CPU、固態硬盤和內存條等，粗粗一算，總花費不可小覷。
姜浩玩笑道，“其實我從來沒算過錢，算出來，被太太知道不好”。
萬事俱備后，姜浩找到一位開中餐館的朋友，把設備安置在餐館地下室中。沒想到的是，此舉卻給朋友招來“大麻煩”。
在一次衛生例行檢查中，一位檢查員被中餐館地下室的硬件設備嚇了一跳。沒過幾天，四名警察和兩名FBI工作人員登門搜查。一番解釋后，警察才了解到，原來地下室藏着的是實驗用的硬件設備，而非“地下賭博網站”。
姜浩（左一）和開中餐館的朋友
寶貴的“第二意見”
2018年，經過幾個月的奮戰，姜浩的AI檢測乳腺癌網站終於上線。
只要將乳腺癌影像以JPG形式上傳網站，就能獲得AI的判斷結果。這一檢測系統速度快、準確率高。更重要的是，它完全免費。
姜浩曾在歐洲的INbreast 數據庫上做了測試，準確度達到90%。美國肯塔基大學醫院和中國的一家合作公司使用在某個乳腺癌檢測世界競賽中獲得第二名的程序來測試乳腺癌影像數據庫，結果顯示漏了10個陽性案例；使用姜浩的系統進行測試，只漏了一個陽性案例。
漏檢陽性案例，結果就會出現假陰性。“假陰性會讓患者漏掉癌癥結果，肯定比假陽性有更大的危險，錯過惡性病變總比讓病人去做活檢要麻煩很多。”而姜浩發明的檢測方法，假陰性幾率極低。
不過，姜浩強調，這一工具並不能用於診斷，只能為患者、醫生提供第二參考意見。在缺乏醫療資源的偏遠地區，這些寶貴的“第二意見”，不僅有助於醫生在診斷時更有信心，更能為潛在患者爭取治療時間。
實際上，即使在專業醫生的診斷中，影像篩查仍不能100%準確顯示女性是否患有乳腺癌。
這一檢測項目獲得了業內的廣泛關注，以及網友們如潮的好評：“同樣是1080（1080Ti顯卡），有的用來遊戲，有的用來挖礦……這是用技術造福人類的典型”“佩服大神有能力為社會貢獻價值” “這才是極客應該做的”。
這一切，都是姜浩在短短几個月內，利用業餘時間獨立完成的。
只是，乳腺癌檢測項目耗資不菲，僅僅50張顯卡就超過5萬美元，硬件設備共計超過10萬美元。為什麼不將網站商用，用它賺點錢，至少回個本？
姜浩卻答，“沒想過”。他說，做免費乳腺癌檢測的初衷，一是學妹因病去世的觸發，二是自己剛好有這方面能力。
這項技術具體造福了多少人，姜浩並不清楚。當時設計的乳腺癌檢測平台出於隱私保護的考慮，並不保留後台影像數據，但每天上百的IP訪問和來自世界各地的感謝信讓他意識到，也許自己所做的一切正在起作用。
在乳腺癌檢測網站之後，姜浩還開發了人工智能檢測CT肺結節網站，同樣完全免費。
乳腺癌項目下的評論留言
為摯友實現遺願
姜浩想過，如果能將癌症檢測轉移到實際治療中，就能讓更多患者從中受益，但“老盧”找到他合作時，他卻猶豫了。那時，姜浩是公司重量級項目的負責人之一，“出走”會對項目進度有不小的影響。
最終，“老盧”的過往經歷打動了姜浩。“老盧”是美國得克薩斯大學西南醫學中心副教授盧衛國。他曾放棄企業高層的豐厚薪水，到醫院中做一位臨床物理師。他對姜浩解釋，“我不能做了一輩子研究，但沒有親手治過一個病人”。
這一想法與姜浩不謀而合，姜浩說，“做醫療行業的人，很多人都有使命感。寫程序可以進很多大企業，但更應該做一些有意義的事情。”
更重要的是，盧衛國提起兩人共同的朋友——陳昱，“如果陳昱還活着，就會找他合作。”
陳昱是姜浩在密歇根大學的師兄，不僅是癌症放射治療的專家，也是姜浩的一生摯友。畢業后，陳昱工作於世界頂尖放療公司TomoTherapy，他研發的TomoEdge系統正在全世界各地的癌症中心救治患者。
2017年5月31日，陳昱在一次意外事故中去世。為了紀念他，放療學術界最高水平的雜誌International Journal of Radiation Oncology – Biology – Physics將2018年的一期封面設為他的照片。
雜誌紀念陳昱的封面
姜浩和盧衛國知道，如果陳昱的生命還在繼續，他一定會繼續醫學物理的事業，繼續毫無保留地幫助患者。
姜浩說，“我就想幫他實現這個遺願。”
從檢測到診療，AI能走多遠？
這一次，他們最先關注的，是腦瘤放射治療。
起因是一位同事的親人罹患腦腫瘤，採用了“全腦放療”進行治療，但幾個月後，腦腫瘤再次複發，患者最終去世。
“全腦放療”是對整個大腦進行放射治療，以控制顱內腫瘤生長的常規療法。儘管這項技術可使患者生存期延長一段時間，但在腫瘤複發時，這種“無差別攻擊”就不能二次採用。姜浩說，僅在美國，每年就有20萬病人要做全腦放療，在中國可能數量更多。
與一次性的“全腦放療”相比，“立體定向放療”更溫和、精準，治療效果更好，而患者也可以多次進行治療，生活質量也更高。
但在實際醫療中，“立體定向放療”的使用率並不高。這背後的原因是，醫生在為多發性腦病患者進行這一手術時，需要對每個病灶進行精確的勾畫、標記和追蹤，並精準設計對應的治療計劃。在緊張的醫療資源面前，許多患者不得不選擇“全腦放療”。
如何讓更多的腦癌患者使用“立體定向放療”，而非只能選擇“全腦放療”，這是姜浩團隊真正想解決的問題。
從2019年起，姜浩團隊與美國得克薩斯大學西南醫學中心、斯坦福大學共同合作，開發了自動勾畫、標記和治療腦瘤的AI模型。
目前，他們已經開發出三種模型，分別對應腦瘤的診療過程，包括自動勾畫/標記腦轉移瘤病灶的模型、基於SVM-放射組學的快速減少假陽性的模型，以及基於優化輻射劑量圖，快速分割多個病灶到不同治療療程的模型。
這一平台已經在得克薩斯大學西南醫學中心等機構進行了臨床一期和二期試驗，治療了大約100個患者。姜浩告訴《中國科學報》，其中一位試驗患者腦瘤數量超過100個，在以往只能採用“全腦放療”，但在新系統的幫助下，現在已經能接受“立體定向放射外科治療”。
目前，這項工作已經在2022年美國醫學物理學家協會（AAPM）春季臨床會議上，由團隊在斯坦福大學的合作者發表，並會在今年7月的 AAPM 年會上有一個專題報告。
接下來，姜浩團隊未來的目標是讓腦癌系統獲得美國食品藥品監督管理局（FDA）認證，以便讓更多醫院使用。他表示，目前的平台還能拓展應用於頭頸、肺部、心臟等部位。
“如果能將連續放療手段與免疫療法結合，就有可能把癌症拖成慢性病，延長患者的生命，”姜浩說，“這就是我們的願景。”
姜浩在採訪中介紹腦癌項目模型