肺癌预测的人机对决谷歌AI赢过6位放射专家

  人机对决的主角已经不再限于谷歌的AlphaGo 。

  5 月20 日,《自然-医学》报道了来自谷歌AI 团队的一项人工智能研究,这是根据低剂量计算机断层扫描图像来预测肺癌的。其结论是,AI 表现超越了6 位专业的放射医学专家。

  4D预测肺癌

  2018 年,全世界有960 万人死于癌症,其中肺癌死者就有176 万,高居癌症死亡率第一位。在中国,由于人口老龄化和空气污染的严重态势,且吸烟率居高不下,肺癌也已成为死亡率最高的恶性肿瘤。据《中国肺癌低剂量螺旋CT 筛查指南( 2018 年版)》,在2015 年,中国肺癌的发病和死亡例数分别达73万和61 万,发病率和死亡率非常接近,其主要原因是临床诊断病例多已为晚期,失去了手术机会。

  早期诊断和早期治疗是提高肺癌生存、降低肺癌死亡率的重要措施。在高危人群中,与X 线胸片比较,低剂量电脑断层扫描( LDCT )可降低20% 的肺癌死亡率。2013 年,美国预防医学工作组( USPSTF )推荐对高危人群进行低剂量电脑断层扫描筛查肺癌。

  不过今天也只有2% 到4% 的符合条件的美国患者进行了筛查。谷歌产品经理Lily Peng 博士指出,早期的微小肿瘤很难看到,超过80% 的肺癌病例无法及早发现。

  肺部影像的评估是基于图像中肺部的结节大小、密度和生长情况,但是假阴性和假阳性会导致很多不必要的活检与漏诊,于是大量肺癌在发现时已是晚期,这带来高昂的临床成本和经济成本。

  目前美国食品药品监督管理局(FDA)已经批准了一些软件应用,这些应用主要是为医学成像专家提供特定图像的诊断支持,属于电脑辅助检测范畴。

  为了超越先前电脑辅助检测方法的局限性,来自谷歌AI 部门的Daniel Tse 及同事建立了一种端到端的分析方法,仅使用输入CT 图像就可以来预测肺癌风险。此外,他们还使用卷积神经网络(CNN)来进行训练,这种技术在图像识别方面能够给出更好的结果。

谷歌肺癌AI 模型的整体建模框架。 (来源:《自然-医学》论文)

对于每个患者,新模型采用已有的低剂量计算机断层扫描数据集,输入患者CT 图像,经过分析输出该病例的癌症风险预测和风险评分。 (来源:谷歌)

谷歌肺癌AI 模型的整体建模框架。(来源:《自然-医学》论文) 更多

对于无癌症病史的无症状患者,发现了潜在的肺癌肿瘤。 (来源:谷歌)

 对于每个患者,新模型采用已有的低剂量计算机断层扫描数据集,输入患者CT 图像,经过分析输出该病例的癌症风险预测和风险评分。(来源:谷歌) 

  放射科医生无法像电脑一样检查3D 扫描,他们必须审查数百个单独的2D 扫描切片以发现问题,而肿瘤可能会很微小以至难以察觉,这种新的机器学习系统则可以分析高通量的3D 肺部图像,不仅可以对整体肿瘤进行预测,还可以通过肺结节识别细微的恶性组织。再加上先前的扫描数据对比,就可以用来评估肺结节的生长速度。

  论文共同作者、美国西北大学医学院Mozziyar Etemadi 博士说,3D 检测早期肺癌的能力比人眼检测2D 图像要敏感得多。事实上,新系统在技术上可以纳入4D 范畴,因为它不仅仅是一次CT 扫描,而是包括了当前和先前共计两次的扫描,所以可以检测肺结节随时间的生长变化。

  在这项研究中,谷歌的AI 算法至关重要。当然,这也受益于谷歌强大的计算机运行能力。

  Daniel Tse 团队用42290 张CT 扫描图像进行训练,以便在无人类参与的情况下预测肺结节的恶性程度。他们发现,在6716 个测试病例中,该人工智能系统能够以94% 的准确率发现极小的恶性肺结节。在无先前CT 扫描图像的情况下,该系统的表现超越所有6 位放射医学专家,假阳性减少11% ,假阴性减少5% ;而在有先前CT 扫描图像的情况下,两者表现不相上下。这6 位放射专家有平均8 年( 4 年到20 年)的读片经验。

发表评论
留言与评论(共有 0 条评论)
   
验证码:

相关文章

[!--temp.dlad--]