不靠肿瘤本身就能判断是否得癌症?AI「另辟蹊径」诊断肺癌!

近日,来自凯斯西储大学(Case Western Reserve University)的研究人员开发出了一种识别肺癌的“另类”方法:通过训练算法,来识别肿瘤外部区域及附近血管的断层扫描(CAT)图像,从而让算法判断图像中肿瘤是否为恶性。这一研究成果发表在了《Radiology》上。

目前使用的肺癌筛查方式主要是由放射科医生在CAT图像中识别可疑的结节,然后对患者进行手术活检或采用其它侵入性手段来对结节进行分析。这种方式过程很复杂,且费用非常高昂,而通常在图像中有很多结节无法被准确识别,其中绝大部分在进行进一步检查之后被发现是良性的。如果能有一种方法,让医生在进行手术之前就能够判断结节是良性还是恶性,这不仅可以减少费用,还可以降低一系列手术和检查带来的其它风险。

▲该研究的流程示意图(图片来源:《Radiology》)

针对这一情况,凯斯西储大学的研究人员们开始尝试借助机器学习和算法的力量,来对肿瘤进行识别。他们收集了2007-2013年期间来自两所机构290名患者的标准诊断非增强CT图像,来对图像中的结节进行组织病理学分析。这些患者包括125名男性和165名女性,年龄范围在18-92岁之间。由放射科医生在这些图像上对结节进行识别,并进行手工注释,内容包括结节的形状和纹理等特征,而这些信息都是从结节内部及周围区域提取出来的。

在提取了结节数据之后,研究人员利用这些数据对机器学习算法进行训练,并使用另一个包含145名患者的测试集来进行验证。算法得出的结果将会与两名放射科医生识别的结果进行对比。结果显示,机器学习算法能够以80%的准确率来判断结节是良性还是恶性,而作为对比的放射科医生准确率只有60%

▲AI对肿瘤及其周围区域的图像进行识别(图片来源《Radiology》)

在今年早些时候,另外一项研究表明,在CAT图像中结节周围弯弯曲曲的血管可以作为识别肿瘤的依据,其区分恶性和良性结节的准确率达到了85%

研究人员表示,这项研究的突破之处在于,它转换了人们识别和检测肿瘤的思路。“我对这些研究感到兴奋的首要原因是,我们过去接受的是‘重要信息都在肿瘤内部’的思路,但这些新研究明确地证明了,肿瘤外部同样也有很多有用的信号,”该研究的负责人,凯斯西储大学工程学院生物医学工程教授Anant Madabhushi博士表示,“由于没有发现更好的筛查手段,我们过去在肺癌筛查上的表现一直没有达到最佳。而更好的工具现在已经出现了。”

参考资料:

[1] Thinking outside the box and outside the tumor to detect lung cancer. Retrieved December 20, 2018, from https://www.eurekalert.org/pub_releases/2018-12/cwru-tot121818.php

[2] Beig, et al., (2018). Perinodular and Intranodular Radiomic Features on Lung CT Images Distinguish Adenocarcinomas from Granulomas. Radiology, https://pubs.rsna.org/doi/10.1148/radiol.2018180910

药明康德AI
药明康德AI

药明康德微信团队专业打造。当人工智能遇上大健康,带你看全AI时代的智慧之光。

专栏二维码
产业癌症图像识别机器学习肿瘤识别
1
相关数据
机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

准确率技术

分类模型的正确预测所占的比例。在多类别分类中,准确率的定义为:正确的预测数/样本总数。 在二元分类中,准确率的定义为:(真正例数+真负例数)/样本总数

推荐文章
暂无评论
暂无评论~