五月20,2019

人工智能系统在放射科医生面前发现肺癌

信用:CC0公共领域

谷歌和西北医学的一项新研究表明,深度学习(一种人工智能的形式)能够在低剂量胸部计算机断层扫描(LDCT)扫描上检测出恶性肺结节,其性能达到或超过放射专家水平。

该深度学习系统提供了自动图像评估系统,可提高早期图像的准确性 诊断可能导致早期治疗。将深度学习系统与放射线医师对患者进行了LDCT的比较,其中一些患者已经进行了活检 在一年之内。在大多数比较中,该模型的表现优于或优于放射科医生。

深度学习是一种教计算​​机通过实例学习的技术。

如果在临床环境中使用深度学习系统,则产生的假阳性和假阴性更少,这可能导致更少的不必要的随访程序和更少的遗漏肿瘤。

该论文将发表在 自然医学 5月20

研究合著者Mozziyar Etemadi博士说:“放射科医生通常在一次CT扫描中检查数百个二维图像或'切片',但是这种新的机器学习系统可以在巨大的单个三维图像中查看肺部。西北大学芬伯格医学院和麦考密克工程学院麻醉学研究助理教授。 “ 3-D中的AI在检测早期肺癌方面比在2D图像中人眼更敏感。从技术上讲,这是'4-D',因为它不仅在一次CT扫描中,而且两次(当前扫描和先前扫描)。

“为了构建以这种方式查看CT的AI,您需要庞大的Google规模的计算机系统。这个概念很新颖,但由于规模的原因,其实际工程设计也很新颖。”

Etemadi领导他的研究团队,同时在西北地区进行麻醉学住院医师培训,这是一项独特的住院医师研究历程的一部分。

Etemadi的双重角色使他的实验室中的研究能够穿越医疗保健和工程技术之间的技术和通信边界。他的实验室位于西北纪念医院的重症监护室之一内,以使工程师与护士,医生和其他护理提供者之间可以无缝沟通。

Google的技术负责人Shravya Shetty表示:“这一研究领域非常重要,因为肺癌是所有癌症中死亡率最高的国家,而且广泛采用肺癌筛查的方式还面临许多挑战。” “我们的工作探讨了可用于帮助提高筛查程序实施效率的AI来提高准确性和优化筛查流程的方法。结果令人鼓舞,我们期待与合作伙伴和同行继续合作。”

肺癌是美国最常见的与癌症相关的死亡原因,2018年估计有160,000人死亡。美国和欧洲的大型临床试验表明,胸部筛查可以识别癌症并降低死亡率。但是,较高的错误率和进行这些筛查的机会有限,意味着许多肺癌通常在难以治疗的晚期被发现。

深度学习系统同时使用主要的CT扫描和患者可用的先前CT扫描作为输入。先前的CT扫描可用于预测肺癌的恶性风险,因为可疑的肺结节的增长率可以指示恶性肿瘤。使用完全取消识别,活检确认的低剂量胸部CT扫描对计算机进行了培训。

该新型系统既可以识别感兴趣的区域,也可以识别该区域是否具有肺癌的高可能性。

当无法进行先前的CT成像时,该模型的表现优于六位放射线医师,并且在进行先前的成像时其表现优于放射线医师。

Etemadi说:“该系统可以对病变进行更具体的分类。我们不仅可以更好地诊断出患有癌症的人,还可以说出某人是否患有癌症,从而有可能使他们免于侵入性,昂贵且有风险的肺活检。”

Google科学家开发了 模型,并将其应用于西北医学提供的6,716项不识别CT扫描集,以验证其新系统的准确性。科学家发现,人工智能系统可以识别出微小的恶性肺结节,模型的AUC为0.94。由于Etemadi团队设计了复杂的,高度定制的软件,这些病例从西北电子数据仓库和其他西北医学数据源中撤出。

Etemadi说:“我们用作临床医生的大多数软件是为患者护理而不是研究而设计的。” “我的整个团队花费了一年多的时间来提取和准备数据,以帮助完成这个令人振奋的项目。能够与Google的世界一流科学家合作,利用他们前所未有的计算能力来创建具有保存潜力的东西每年成千上万的生命确实是一种特权。”

作者警告说,这些发现需要在大量患者中进行临床验证,但他们说这种模型可能有助于改善肺癌患者的治疗和结局。

更多信息: 在低剂量胸部CT上进行三维深度学习的端到端肺癌筛查, 自然医学 (2019)。 DOI:10.1038 / s41591-019-0447-x , www.nature.com/articles/s41591-019-0447-x

期刊信息: 自然医学

由...提供 西北大学

加载评论 (0)