Babier和他在多伦多大学（(University of Toronto， U of T）的团队Justin Boutilier、 Timothy Chan 和Andrea McNiven教授等一行人，将放射治疗设计视为复杂但可解决的一个优化问题。他们的软件使用AI挖掘历史放射治疗数据，然后将该信息应用于优化引擎以制定治疗计划。
U of T Engineering researcher Aaron Babier demonstrates his AI-based software's visualization capabilities.图片来源: Brian Tran
01
AI开发的疗法
研究人员在217名喉癌患者中应用了这一软件工具，同时他们也接受了传统疗法。结果发现，AI开发的疗法可以在20分钟内便可完成，与患者的常规计划治疗结果相比更具可比性。
Babier说道，“我们已经开发了其他AI优化引擎。我们的想法是使它能够更接近当前临床的最佳疗法。”如果AI可以减少临床医生优化治疗的困难，那么就可以利用更多资源以其他方式来改善患者治疗和结果。医疗保健专业人员可以把他们的精力转移到提高患者的舒适度和缓解痛苦上。
A treatment plan designed by the engineering researchers' AI-based optimization software.图片来源: Brian Tran
“现在的治疗计划者（treatment planners）需要花费很长时间去制定治疗计划。如果我们能够智能地利用这个时间，治疗计划者将能够专注于治疗以外的其他方面。实现自动化和简化工作岗位将有助于提高医疗效率。这对确保高质量的医疗非常有帮助。“Babier如是说。
02
人力不可取代
Babier和他的团队相信，通过进一步的开发和验证，医疗专业人员有一天可以在诊所使用该工具。他们也坚定的认为，虽然人工智能可能会给治疗计划者提供一个帮助患者的良好开端，但它并没有让人类“失去工作”。一旦软件创建了治疗计划，它仍会被医生审查和进一步定制，虽然这可能需要几个小时。
“这非常类似于自动化定制西装的设计过程，”Chan形象地比喻说，“裁缝必须首先根据客户的尺寸来设计套装，然后改变套装的一些细节地方以达到最佳效果。我们的工具经历了类似的过程，才能为每位患者构建最有效的放射治疗计划。
受过训练的医生和专家，仍然需要在更细致的水平上微调治疗计划，并进行质量检查， 这些是工作机器还做不到的。
责编：风铃
End
参考资料：1）Smarter cancer treatment: AI tool automates radiation therapy planning
