資訊動態

當前位置︰首頁 > 資訊動態 > 醫院動態 > 科技or魔法?用AI識別這種早期難檢出的癌癥,成功率近!

  • 老虎机捕鱼

    時間︰ 2019年7月15日  瀏覽︰1592次  相關醫院︰約翰?霍普金斯醫院 返回上頁

    約翰·霍普金斯醫院放射科專家ElliotFishman說。“我們已經向胰腺癌正式宣戰了。”在這個被命名為Felix(以哈利波特中的神奇藥水命名)的項目中,Fishman醫生和這支醫學界重量級專家組成的團隊正在運用新的技術,趕在還能手術治療時盡早發現胰腺腫瘤。

    本篇所有文字及圖片數據均來自www.hopkinsmedicine.org刊載的2019年夏季院刊《這是我們的曼哈頓計劃》,www.healthcareitnews.com于2018年8月16日刊載的《約翰霍普金斯的研究人員利用深度學習來對抗胰腺癌》,原始數據請看文末鏈接。


    原標題為“AI看癌︰識別率高達?!”


    “這是我們的曼哈頓項目,”約翰?霍普金斯醫院放射科專家Elliot Fishman說。“我們已經向胰腺癌正式宣戰了。”在這個被命名為Felix(以哈利波特中的神奇藥水命名)的項目中,Fishman醫生和這支醫學界重量級專家組成的團隊正在運用新的技術,趕在還能手術治療時盡早發現胰腺腫瘤。


    —放射學家Elliot Fishman.jpg

    ——放射學家Elliot Fishman


    作為約翰?霍普金斯(世界大型胰腺癌中心)的診斷圖像和體部CT部門的主任,Fishman醫生每年會診斷數百例胰腺癌病例。

    他們面對的是一個強大的敵人。每年,僅美國有超過 5 萬人被診斷為患有胰腺癌。隨著人口老齡化和肥胖的增加(這兩者都是胰腺癌的風險因素),胰腺癌的發病率還在呈逐年上升的趨勢。


    同時,大約93%的患者堅持不過5年,主要原因是他們的疾病沒有能被及時發現。“手術治療是胰腺癌的主要治療手段,但不到15%-20%的患者在診斷出胰腺癌時還能手術”,Fishman博士說。


     Felix 項目緣起


    胰腺癌很難被發現的原因有很多,Fishman醫生解釋道。


    胰腺的作用是產生胰島素和消化黴,它是一個位于腹部深處的蝌蚪形的器官,被其它器官所包圍著。胰腺的大小、形狀和位置因人而異,而且腫瘤的初始癥狀可能相當模糊,比如背痛或胃腸道問題等。再有是胰腺癌相對比較罕見,這意味著大多數放射科醫生每年都見不到太多病例。


    幾年以前,以戰勝胰腺癌為重要目標的Lustgarten基金會向前沿科學家Bert Vogelstein尋求疾病早期檢測的項目創意。他們希望得到一些具有前瞻性的東西,能真正帶來希望的一些東西。


    Vogelstein博士隨即提出一個想法︰當腫瘤仍然很小且局限在局部區域時,使用人工智能(AI)來訓練計算機在CT掃描中找出腫瘤。這一項目會需要放射學和計算機科學方面的專業知識。但他知道,不用去別的地方,在約翰?霍普金斯他能找到這些領域中的一些全球領先的專家。



    腫瘤學家Bert Vogelstein.jpg

    ——腫瘤學家Bert Vogelstein


    “人類的創造力是將此前從未被聯系在一起的兩件事物聯系在一起。Alan和Elliot正在創造的東西是他們任何一個人都無法單獨創造出來的。”


    另一方面,作為約翰?霍普金斯(世界大型胰腺癌中心)的診斷圖像和體部CT部門的主任,Fishman醫生每年會診斷數百例胰腺癌病例。同時,他在將近40年的時間里一直致力于改造放射學領域,特別是通過他早期采用的新技術,例如互聯網和三維成像等。


    2016年2月,在他主持的踫撞新穎想法的年度講者系列活動中,Fishman醫生帶來了NVIDIA的首席執行官Jensen Huang。NVIDIA是在1999年發明了圖形處理單元的公司(這一發明引發了PC游戲市場的蓬勃發展,並重新定義了現代計算機圖形),NVIDIA正處于人工智能的前沿。


    演講結束後,Huang,Fishman醫生和與會者Alan Yuille聊了聊。


    Alan Yuille是一名數學家和計算機科學家,剛剛作為Bloomberg特聘教授加入約翰?霍普金斯大學的教師團隊,他是深度學習方面的專家(深度學習是一種人工智能,特別適合處理圖像,比如CT掃描等)。


    根據Fishman醫生的回憶,Huang當時說,“Alan,Elliot,你們需要互相合作,一定能搞出點事情來。”



    —計算機科學家Alan Yuille.jpg

    ——計算機科學家Alan Yuille


    “目前,人類在幾乎所有事情上的表現都優于人工智能。但人工智能很擅長進行醫學影像分析,因為人類的視覺系統的進化使其能夠處理真實世界圖像和二維圖像,但三維CT圖像不行了。”


    Felix項目因此誕生了。項目的命名要歸功于Karen Horton,她很喜歡和女兒一起讀哈利波特系列,覺得Felix這個名字再適合不過。


    Horton醫生從 1988 年開始讀于醫學院起,一直待在約翰?霍普金斯,她因為在CT成像和三維數據處理方面的工作而十分出名。2017 年,她被任命為Russell H. Morgan的放射學和放射科學系的主任。


    當然,我們不會把這個項目的成功歸功于魔法或巫術——正相反,它有賴于放射學家、計算機工程師兩個科學家團隊的聚焦和緊密合作。


    腹部CT顏色編碼


    深度學習作為機器學習的一種,是用于解讀圖像的主要人工智能方法。其核心是一種模仿人類大腦某些功能的計算技術。數據由人工“神經網絡”進行解析,隨著上一層的輸出結果變成下一層的輸入數據,互聯的計算機算法層會逐漸顯示有用的信息。


    與所有機器學習一樣,深度學習算法旨在通過調整其模型獲得更好的預測結果,從而能夠隨著時間的推移得到改善。它們處理的數據集越多,獲得的結果越好。不過,Fishman醫生也警告說,“如果進的是廢料,那出的是廢品。”


    Yuille教授解釋說,Felix項目團隊的注釋者們界定了這種算法的“基本事實”。在這個案例中,這意味著需要將腹部CT圖像的每個體素或三維像素準確地標記為健康組織或腫瘤。


    使用數字“畫筆”,已經退休的放射腫瘤學家Eva Zinreich和其他五位隊友在每次掃描中會對28個器官全部進行顏色編碼,包括胰腺、膽囊、脾髒、腎髒、腸和血管等。每次掃描都要花費兩至三個小時來進行標記,並且從軸向、矢向和冠向視角來檢查三維器官的邊界。


    在開始注釋新的掃描影像時,Zinreich會勾選她要標記的器官旁邊的方框,比如︰胃。然後,光標的箭頭會變成一個綠色的實心圓。Zinreich 會將光標移動至胃的邊緣,並且在順著器官輪廓移動的時候始終按住鼠標按鈕(這可比你用鼠標簽名要簡單,因為高科技的畫筆可以感知事物的邊緣)。


    到目前為止,這個團隊已經對 1,140 個正常的腹部掃描影像進行了注釋,並且對來自胰腺導管腺癌(PDAC,常見的一種胰腺癌癥)患者的 1,000 個掃描影像進行了注釋。目前,他們正在研究胰腺內分泌腫瘤的掃描——這些腫瘤更不容易捕捉到,因為它們通常比胰腺導管腺癌更小,血管更豐富,但對我們都同樣重要。


    現年72歲的Zinreich自願貢獻她的時間,她是由Fishman醫生邀請加入這個項目的——多年以前,Fishman作為住院醫生在西奈醫院接受過她的指導。早在20世紀70年代,Zinreich開始以人工的方式做類似的工作了,當時她通過毫米方格紙來繪制癌癥放射治療的方案。


    “我成長的年代沒有電腦,”她說。“如今親眼看到並參與深度學習的演化,這讓人印象非常深刻。”


    每周一次頭腦風暴


    裝備了注釋後的掃描圖之後,由Yuille教授和他的五名計算機科學研究生/博士後所組成的團隊會訓練和測試深度網絡算法。


    “目前,人類在幾乎所有事情上的表現都優于人工智能。但人工智能很擅長進行醫學影像分析,因為人類的視覺系統的進化使其能夠處理真實世界圖像和二維圖像,但三維CT圖像不行了。”Yuille教授說。


    如果采用來自約翰?霍普金斯醫院的注釋影像進行工作,當前計算機(該團隊目前使用的是NVIDIA DGX-1超級計算機,DGX-1是人工智能的領先技術,能讓研究人員同時審查和研究數百個案例結果,開發原本不可能的算法,從而優化腫瘤的檢測)識別胰腺導管腺癌的成功率接近。


    這遠遠優于人類放射科醫師在識別胰腺癌時10%-30%的“漏診率”。


     人工注釋的掃描與計算機預測不符的情況出現.jpg


    但Yuille教授表示,真正的考驗在于他們的系統在使用來自其他醫院的數據時能否同樣有效,而這些醫院使用的儀器和方法都各不相同。


    當然,這個團隊的“捕獲”率也並不總是那麼高,還是會有人工注釋的掃描與計算機預測不符的情況出現。以下是人工智能團隊在他們的周會上向放射科醫生們陳述的幾個案例。


    在2月中旬的一次會議上,Vogelstein、Fishman、Horton和Yuille圍坐在門診中心會議室的桌子旁(那一周病理學家Ralph Hruban和分子遺傳學家Ken Kinzler因故未能參加)。該團隊的其他15名成員,包括放射科醫生Linda Chu在內,都圍坐在旁邊。


    在牆上的屏幕上,研究生Fengze Liu介紹了他在胰管擴張的檢測算法方面取得的進展。當腫瘤阻塞胰管時,會發生胰管擴張,導致黴液在上游聚集。Fishman醫生說,胰管擴張是被放射科醫生忽視的首要信號。

    胰腺的CT掃描顯示擴大的胰管.jpg

     胰腺的CT掃描顯示擴大的胰管


    為了說明胰管尺寸和形狀的自然變化,Liu采用了“尺度-空間距離變換”,這種變換可建立起基于任何給定胰腺的“骨架”的坐標系。為了預測腫瘤,這種算法會有效地計算每個點的胰管半徑,並尋找半徑擴大且在下游又突然變窄的橫截面。


    接下來,Liu展示了幾個不一致的案例。其中一個案例被排除,因為放射科醫生清楚地知道那名患者放置了術後引流管。另一個案例被標記為假陽性,卻檢測到了真腫瘤——不過腫瘤是在腎髒上,而非胰腺上(Fishman醫生懷疑計算機發現了一個罕見的Von Hippel-Lindau病例)。


    令人擔憂的是假陰性。


    Yuille教授說,這些腫瘤之所以被計算機遺漏,通常是因為尺寸小,或是形狀、位置或密度有異常。“正是通過糾正這些錯誤,算法才能越來越好,”他說。


    富有成果的跨界聯姻


    顯而易見的是,如果沒有放射科醫生的指引,人工智能團隊的成員無法改進他們的算法,而沒有計算機科學家,留給放射科醫生的也只是一堆顏色編碼的影像。


    Hruban提到了Felix項目為每個人所提供的的學習機會。“在Felix項目剛開始的時候,人工智能團隊不知道胰腺長什麼樣子,所以我帶過去了一個模型,並向他們進行了展示,”Hruban說。“他們提出了許多很棒的、富有洞察力的問題。然後,輪到我們這些醫生必須學習大量的計算機算法和人工智能知識了。”



    病理學家Ralph Hruban.jpg

    ——病理學家Ralph Hruban


    作為約翰?霍普金斯Sol Goldman胰腺癌癥研究中心的主任,Ralph Hruban于1985年從約翰?霍普金斯大學獲得了醫學學位,並在五年後加入了這所學校的教師隊伍。他的病理學職業生涯始于心髒和肺部移植物的評估工作,但當John Cameron——當時的外科負責人,開始通過復雜的惠普爾手術切除癌性胰腺組織時,Hruban被吸引到了胰腺癌領域。“John Cameron請我去確認他切除的是什麼,我一下子愛上了這項工作。”他說。

    Vogelstein既不是放射科醫生也不是計算機科學家,他覺得自己的角色是牽線搭橋的“媒人”。


    “實際上,我們人類無法從無到有地進行創造,” Vogelstein說。“人類的創造力是將此前從未被聯系在一起的兩件事物聯系在一起。Alan和Elliot正在創造的東西是他們任何一個人都無法單獨創造出來的。”


    他們終的產品將是一個分析CT影像和標記可疑區域的軟件程序。它不會取代放射科醫生,但擁有這個軟件,感覺會像是身邊一直有一個專家顧問一樣。


     約翰?霍普金斯1.jpg


    Fishman醫生相信,再過大約兩年,他們可以成立一個新公司來開發和銷售他們的軟件,或是與一家知名的公司建立合作關系。不論哪種途徑,都能產生一種在早期發現胰腺癌的更為有效的方法,他說。


    “Lustgarten基金會所希求的正是這種拯救生命的方法,”Fishman醫生說。“我所看到的病例中,有將近三分之一的病例本可以被一位目光敏銳的放射科醫生提前4-12個月發現。那是我們的時機窗。”



    免責申明︰

    此信息僅用于科普目的,不能代替醫療意見。本文由約翰?霍普金斯醫療集團發布,未經允許,不得轉載。


    美國約翰?霍普金斯醫療國際部(Johns Hopkins Medicine International)與亞美ag旗艦廳正式簽署合作協議,通過亞美ag旗艦廳,中國患者短時間內即可預約約翰?霍普金斯醫院前往醫。


    參考鏈接︰

    1.www.hopkinsmedicine.org刊載的2019年夏季院刊《這是我們的曼哈頓計劃》

    This Is Our Manhattan Project

    https://www.hopkinsmedicine.org/news/publications/hopkins_medicine_magazine/features/spring-summer-2019/this-is-our-manhattan-project


    2.www.healthcareitnews.com于2018年8月16日刊載的《約翰霍普金斯的研究人員利用深度學習來對抗胰腺癌》

    Johns Hopkins researchers use deep learning to combat pancreatic cancer

    https://www.healthcareitnews.com/news/johns-hopkins-researchers-use-deep-learning-combat-pancreatic-cancer




    出國看病,尋求更好的醫療救治!
    官方合作轉診通道
    7個工作日預約美、英、德、日排名前十醫院
    400-875-6700 咨詢在線顧問
聯系醫學顧問

亞美ag旗艦廳醫學顧問會盡快與您聯系

400-875-6700

出國看病費用評估

我想咨詢的疾病類型(單選)

    我的目標國家是(可多選)

      您想咨詢的疾病名稱

      您的稱呼

      您的手機號

      驗證碼

      其他想要了解的信息

      為減輕患者負擔,亞美ag旗艦廳已經和超過半數美國癌癥排名前十的醫院達成深度合作協議,在國際自費患者常規折扣基礎上,額外為亞美ag旗艦廳轉診患者爭取到5%-40%不等的專屬醫療費用優惠。