肺癌诊断新突破!机器学习识别肿瘤模式及亚型,表现与病理学家相当

随着机器学习技术的不断发展,其在医学图像分析领域已经取得了飞速进步。近日,来自Norris Cotton Cancer Center的研究人员利用机器学习模型,对肺腺癌的肿瘤模式和亚型进行了分级。结果显示,该模型与3位病理学家的表现旗鼓相当。这项研究发表在了《Scientific Reports》上。

图片来源:123RF

肺腺癌(lung adenocarcinoma)是肺癌的一种,属于非小细胞癌。目前,腺癌的诊断方式主要为病理学家肉眼对肺叶切片图像进行检查,从而确定肿瘤模式和亚型。这种诊断方式对肺癌的预后以及确定治疗方案有着非常重要的作用,但是这一过程通常比较困难,且病理学家的判断往往有一定的主观性。

针对这一情况,来自Norris Cotton Cancer Center的研究人员开发并训练了一种新的机器学习模型,并将病理学家识别的肺癌组织学样本全切片图像与该模型识别出的图像进行比较。根据计算机模型生成的结果,研究人员使用不同颜色在图像上进行标注。结果显示,计算机模型识别出的图像结果与病理学家进行的主观性评估结果基本相符

▲左图为病理学家标注的图像结果,右图为机器学习模型的识别结果(图片来源:Hassanpour Lab, Dartmouth's Norris Cotton Cancer Center,《Scientific Reports》)

“这项研究表明,在具有挑战性的图像分类任务上,机器学习可以拥有非常好的表现,并有可能成为肺癌诊断的助手,”这项研究的负责人、达特茅斯学院生物医学数据科学系副教授Saeed Hassanpour博士表示:“我们系统的临床应用将能够帮助病理学家对肺癌亚型进行准确的分类,这对肺癌的预后和治疗至关重要。” 

除了在临床环境中测试深度学习模型,以验证其改善肺癌分类的能力之外,该团队计划将该方法应用于乳腺癌、食管癌和结直肠癌等组织病理学图像分析之中。Hassanpour博士说道:“机器学习方法识别图像的速度很快,识别一张图片只需花费不到一分钟的时间。因此,该模型可以在医生检查前完成患者分诊,并极大地协助病理学家对图像的检查工作。”

目前,Hassanpour博士及他的团队将这一模型的代码开源,以促进该领域的更多新研究和新合作。 

参考资料:

[1] A new machine learning model can classify lung cancer slides at the pathologist level. Retrieved March 12, 2019, from https://www.eurekalert.org/pub_releases/2019-03/dmc-anm030119.php

[2] Wei, et al., (2019). Pathologist-level classification of histologic patterns on resected lung adenocarcinoma slides with deep neural networks. Scientific Reports, doi: https://doi.org/10.1038/s41598-019-40041-7

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
产业肿瘤识别图像分类机器学习
1
相关数据
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

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。

数据科学技术

数据科学,又称资料科学,是一门利用数据学习知识的学科,其目标是通过从数据中提取出有价值的部分来生产数据产品。它结合了诸多领域中的理论和技术,包括应用数学、统计、模式识别、机器学习、数据可视化、数据仓库以及高性能计算。数据科学通过运用各种相关的数据来帮助非专业人士理解问题。

图像分类技术

图像分类,根据各自在图像信息中所反映的不同特征,把不同类别的目标区分开来的图像处理方法。它利用计算机对图像进行定量分析,把图像或图像中的每个像元或区域划归为若干个类别中的某一种,以代替人的视觉判读。

推荐文章
暂无评论
暂无评论~