一次電腦斷層掃描會產生相當於八萬公斤核食的輻射量，但也可能早期發現癌症。我們應該避之唯恐不及，還是寧可錯殺也不放過？運用AI，或許能作為其利弊權衡之計。

____________________________________________________________

關於電腦斷層掃描，前兩週有兩則大新聞。

第一則是，衛福部健保署統計，每做一次電腦斷層，其輻射暴露量相當於吃下八萬公斤的輻射食品。

任何人一輩子都不可能吃下這麼多的輻射食品，但幾乎人人都可能做電腦斷層掃描（computerized axial tomography scan, CAT scan，或稱computed tomography scan, CT scan；以下統稱CAT )。這個數字實在令人震驚，許多民眾以後做CAT前，可能都得再三考慮。

第二則新聞是，台大醫院前副院長王明鉅在臉書寫到，2013年，台大醫院為全院300位主管進行胸部電腦斷層檢查，發現高達12位主管罹患早期肺癌。由於及早發現，這12位主管都得到了完善的治療與控制；有些主管手術後狀況不錯，至今六年依舊健康。

因此，王明鉅鼓勵民眾及早接受胸部電腦斷層掃描，早期發現肺癌、早期治療。肺癌如果在第0期原位癌時就發現，治癒率非常高。

而這樣的文章則會讓民眾認為，如果進行預防性、體檢式的CAT，就能及早偵測到癌症。

電腦斷層輻射量比一般X光高出上百倍

如果你跟我一樣同時看到這兩則新聞，心裡不免犯嘀咕：預防性胸部電腦斷層掃描，到底該定期做，還是少做？

其實，做或不做，各有立場。To CAT or not to CAT，that is the question。

的確，CAT的輻射量很高，比一般胸部X光片高出數十倍、甚至上百倍。但某些早期沒有明顯症狀的癌症（如肺癌），一般X光片不一定看得到病兆，必須藉由頭部、胸部、腹部等不同部位的CAT，才能做出早期診斷。

這樣的輻射量，並不會讓我們照一次CAT就罹癌；但考量輻射傷害與費用，也不建議大家頻繁接受此類檢查。

解法：先靠AI找出高風險族群

若不經任何篩選，讓所有人接受CAT，每2,500人中，約會有1個人被檢查出罹患肺癌，也就是說，有2,499人白白承受了總共相當於20億公斤核食的輻射量。台灣非常幸運，擁有完整的健保資料庫與癌症登錄檔，足以訓練肺癌預測模型。筆者建議應該先利用AI建立個別風險模型、界定高低風險定義後，再找出真正需要進一步做CAT的高風險族群，讓這些人接受CAT，才能發揮利大於弊的成效。 利用此模型檢查出早期癌症的機會也將相對提高，即使每10人中只檢查出1人，也比前述每2,500人當中只檢查出1人還要高出許多，不僅減少整體支出，白白承受高輻射量的民眾也會少許多。如此一來，經由CAT診斷出癌症的好處，就能大於承受輻射量的壞處。

AI能一次計算數十萬種癌症風險變因


過去之所以無法做精準的肺癌篩檢，是因為可以影響肺癌風險的變數非常多，包括基因、年紀、家族史、吸菸習慣、工作與生活環境中空污或二手菸程度、免疫與健康狀態，如是否常感冒、有無肺炎、肺氣腫、肺結核，以及是否有糖尿病或高血壓等慢性病等等。

這些變數資料，約有一半能透過健保資料庫取得；透過問卷及環保署環境資料庫等，則能夠補充家族史、生活習慣、環境空污等資訊。運用AI，便能用這些變數建立模型。

【延伸閱讀】：李友專專欄︱「AI會取代人類醫師」？你可能問錯問題了

以前的統計方法，只要變數超過20個，分析結果就會變得很難解釋；但現在新的AI方法學，已能一次處理上萬、數十萬、甚至上百萬個變數。變數越多，預測就越精準。運用傳統統計方法預測罹癌風險，準確率很難超過80%。而現在新的ＡＩ方法學，如機器學習等，則可達到90％以上的準確率。比如美國女星安潔莉娜・裘莉，被算出罹患乳癌的風險非常高，於是決定做預防性乳房切除。若機率不高或對此機率沒有相當信心，任何人都不會願意做如此侵略的預防介入措施。

癌症不可怕，可怕的是為時已晚

癌症不可怕，可怕的是發現得太晚。以肺癌來說，若能利用AI把第0期原位癌（可完全治癒）的診斷率再提升，將會對肺癌治療的存活率、醫療費用、生活品質、癒後生產力，帶來巨大的幫助。

妥善運用AI的癌症預測模型，掌握癌症高風險族群，再給予相對應的早期檢查，將能有效大幅提升全民健康。屆時，To CAT or not to CAT，AI is the answer.（要不要做斷層掃描？AI可以回答）。

【專欄反映作者意見，不代表本社立場】

李友專

醫學是太太，電腦是情人

是位具有醫學資訊研究所教授頭銜的皮膚科主治醫師。初中時父親買回一台電腦Golden II開始寫程式，而後進入醫學系，實現了IT技術和臨床醫學的完美融合。
2010年10月當選美國醫學資訊領域最高學術榮譽委員會美國醫學資訊學院（ACMI）院士，成為唯一一位來自亞洲的院士，被稱為台灣醫學資訊之父。 

>>本文刊登於《未來城市@天下》