学术经纬作者

更胜一筹!早期诊断肺癌,这款AI已超越人类医生!

今日,在《自然·医学》(Nature Medicine)最新上线发表的一篇论文中,谷歌健康研究部门和美国西北大学医学院等机构的科学家们合作带来一款人工智能(AI)系统——它能够根据胸部CT扫描,对恶性肺结节进行检测分析,从而对肺癌进行早期诊断。与放射医学专家相比,它的准确性甚至要更为优越!

肺癌目前是全世界发病率和死亡率最高的癌症,也是中国癌症患者的头号杀手。大规模临床试验表明,胸部低剂量CT扫描可以发现肺癌的重要特征,将死亡率降低20%~43%,这是肺癌筛查的首选方式。

然而精准地检出结节是一个挑战——筛查方法错误率很高,因此实用性有限。考虑到还有其他临床因素的影响,许多肺癌在发现时已是晚期,难以有效治疗。如何提高肺癌早期诊断的准确性,是科学家们想要让AI充分发挥优势来解决的问题。

(图片来源:pixabay)为此,谷歌的AI科学家们开发了一种深度学习模型。这是一种通过实例来教会计算机学习的AI技术。

研究人员使用了来自近1.5万名患者的4万多张CT扫描图像训练AI,其中有近600名患者在一年内经活检证实患有癌症。

“放射科医生一般会在单次CT扫描中检查数百张二维横截面,但我们让新的机器学习系统在一个巨大的三维图像中观察肺部。”这项研究的共同作者,西北大学的Mozziyar Etemadi教授介绍。

可疑肺结节的生长速度是恶性肿瘤的重要指示,为了让AI在无人类参与的情况下学会预测肺结节的恶性程度,研究者在训练AI时不仅准备了患者初次确诊时的CT扫描作为输入,还使用了更早之前的CT扫描进行比对。“AI不仅要看当前的CT扫描,还要比对先前的扫描结果,因此理论上讲,这是一种‘4D’扫描。” Etemadi教授补充。

▲本研究中训练AI的示意图(图片来源:参考资料[1])在6716个测试病例中,这套深度学习模型的准确性接受了检验。结果显示,它能够以94%的准确率发现极小的恶性肺结节

同时,AI与六名平均有8年临床经验的放射科医师进行了“较量”,表现亮眼。在有先前CT扫描图像的情况下,AI系统与放射科医生的成绩不相上下。而在无先前CT扫描图像的情况下,AI的表现甚至超越所有6位放射医学专家,假阳性减少11%,假阴性减少5%。高灵敏度和低漏检率意味着,如果在临床环境使用,可以减少不必要的随访带来的额外负担,同时更少错过肿瘤。

尽管作者提醒说,这一模型还需要经过大规模的临床验证,但这一发现仍展现了改善肺癌患者管理和预后的希望。以AI强大的学习能力,我们期待经过临床验证,这样的系统可以早日辅助医生评估肺癌筛查,为患者尽早擒拿肺癌这一杀手。

本文题图来自Pixabay

参考资料

[1] Diego Ardila et al., (2019) End-to-end lung cancer screening with three-dimensional deep learning on low-dose chest computed tomography, Nature Medicine . DOI: 10.1038/s41591-019-0447-x

[2] Artificial intelligence system spots lung cancer before radiologists. Retrieved May 21, from https://medicalxpress.com/news/2019-05-artificial-intelligence-lung-cancer-radiologists.html

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
产业机器学习肺癌深度学习谷歌
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。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

假阳性技术

假阳性是指模型因为种种原因把不应该分类成特定情况的人/物错误地分类到了该分类的情况。

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

假阴性技术

假阳性是指模型因为种种原因将应该分类成特定情况的人/物错误地分类到了其他分类的情况。

推荐文章
暂无评论
暂无评论~