AI使能医学,脑动脉瘤检测重大突破

与华为云合作开发AI深度学习算法的目的是帮助影像科医生,而不是取代他们。

AI使能医学,脑动脉瘤检测重大突破

“人工智能+医学影像”再添来自中国的新成果。

日前,放射学领域的国际顶级期刊Radiology(《放射学》)在线发表了一项来自华为云EI创新孵化Lab团队联合华中科技大学电信学院、华中科技大学同济医学院附属协和医院放射科的最新研究成果:AI算法检测动脉瘤灵敏度高达97.5%,帮助医生临床诊断灵敏度提升约10个百分点,漏诊率降低5个百分点。

Radiology杂志为放射学领域的顶级期刊,一直被公认为该领域最新、最高质量研究的权威参考,2020年最新影响因子为7.9,是该领域内被引用次数最多的期刊之一。

该论文题为《基于深度学习的CT血管造影脑动脉瘤检测算法》(“Deep Learning-Based Algorithm for Detecting Cerebral Aneurysms on CT Angiography Images”),阐述了一种基于CTA影像的全自动化、高度敏感的脑动脉瘤检测算法。

论文链接:https://pubs.rsna.org/doi/10.1148/radiol.2020192154

AI使能医学,脑动脉瘤检测重大突破

Radiology最新发布华为云、华中科技大学最新联合医疗研究成果

脑动脉瘤辅诊:“人工智能+医学影像”新突破

“人工智能+医学影像”,是将目前最先进的人工智能技术应用于医学影像诊断中,帮助医生诊断患者病情的人工智能具体应用场景,可以广泛用于各类病灶识别与标注,如宫颈癌、肺部结节、心脑血管疾病辅诊等。

脑动脉瘤是脑动脉内腔的局限性异常扩大造成的一种瘤状突出,存在渗漏或破裂风险,位居脑血管疾病病因中的Top3位置,堪称是沉默又致命的杀手。脑动脉瘤造成了大约80%-90%的非创伤性蛛网膜下腔出血这一严重的脑部疾病,死亡率为23%-51%,另外还有10%-20%的永久残疾风险,对其进行早期诊断与治疗非常必要。动脉瘤位置多发,形态多样,对医生资历要求较高。中国人口基数大,高资历医生匮乏,相关医生工作强度极大。

动脉瘤破裂的风险取决于动脉瘤的大小、形状和位置,因此脑动脉瘤的检测和特征提取是指导治疗的关键。

CT血管造影成像(CTA)目前是评估颅内动脉瘤的主要影像学检查手段,与磁共振血管造影(MRA)相比, CTA是一种快速且经济有效的诊断技术,通常具有更广的可用性和较高的空间分辨率。与数字减影血管造影(DSA)相比,CTA通常更广泛且无创性,但是由于脑动脉瘤体积小和颅内血管的复杂性,即使专业的放射学专家进行诊断也需要耗费很长的时间,一些小动脉瘤还可能被遗漏。

文章显示,华为云EI创新孵化Lab团队联合华中科技大学电信学院、华中科技大学同济医学院附属协和医院放射科运用华为云一站式AI开发平台ModelArts,开发了一套基于CTA影像的全自动化、高度敏感的脑动脉瘤检测算法。

ModelArts平台提供数据预处理及半自动化标注、大规模分布式训练、自动化模型生成及端-边-云按需部署能力,帮助用户快速创建和部署模型,管理全周期AI工作流。

该算法含有一个编码器和解码器,并在编码器解码器中间使用了密集的空洞卷积(DAC)和残差多核池化(RMP)模块。输入的CTA图像被重采样至0.39×0.39×0.39mm3的分辨率,算法输出会给出动脉瘤存在概率、动脉瘤位置以及直径大小等信息,并在CTA原始图像上为可疑的动脉瘤勾画出一个边界框。

AI使能医学,脑动脉瘤检测重大突破

该研究中使用了534名患者的CTA数据来训练深度学习检测算法,然后在另外534例数据上进行验证。验证集共含有649个动脉瘤,该研究算法检测出来了633个,灵敏度达到97.5%;同时算法还检测出了8个新的动脉瘤,而这些动脉瘤在医生最初的诊断中被忽略了。这8个动脉瘤有6个直径小于3mm,2个在3-5mm之间,说明该研究算法对于微小动脉瘤也具体非常好的性能。

AI使能医学,脑动脉瘤检测重大突破
AI使能医学,脑动脉瘤检测重大突破

同时,为了验证本研究算法对放射科医生的协助作用,另外收集了400例CTA数据作为外部测试集(188个阳性和212个阴性),由四名放射科医生分别在没有算法协助和有算法协助下进行阅片。统计结果显示,在有算法协助的情形下,放射科医生的表现都有一定的提升,特别是对那些经验较少的医生进步最明显。

AI使能医学,脑动脉瘤检测重大突破

帮助影像科医生,而不是取代他们

参与该联合项目的华中科技大学同济医学院附属协和医院影像科专家龙茜博士表示:“我们联合华为云开发的深度学习算法在检测动脉瘤方面表现出了出色的性能。我们发现极少数动脉瘤在最初的临床诊断报告中被忽略了,但它们被深度学习算法成功地识别出来了。”

结果显示,深度学习算法在脑动脉瘤的诊断中具有潜力,有望在临床上作为第二意见的诊断工具。

AI有许多优点,主要是因为其不受经验水平、工作时间和情绪等影响人类表现的因素的影响。对于三甲医院来说,人工智能+医学影像的引入可以改善传统高度依赖医生人工读片模式,在一定程度上缓解医学影像诊断的压力,同时亦可满足三甲医院的科研需求。

对于基层医院来说,相比三甲医院,对复杂影像的处理能力、判断能力更为薄弱,因此误诊漏诊率更高。人工智能通过把影像诊断结果进行前期的分析和处理,可以提高筛查数量,降低误诊漏诊率,进而提高综合医疗水平。

人工智能会替代影像科医生吗?对此,龙茜博士表示:“与华为云合作开发AI深度学习算法的目的是帮助影像科医生,而不是取代他们。未来需要进一步收集、分析、验证更异构的高质量数据,进一步验证该算法,这是评估其推广性和对日常临床工作适用性的关键,需要AI算法专家、影像科专家等进一步通力合作。”

加速AI基础研究和医疗领域落地

随着人工智能的不断发展,国内主要IT和云厂商都在医疗、大健康领域有所布局。医疗基础研究方面,华为云EI创新孵化Lab重点投入聚焦解决医疗领域的重大技术难题,相关论文投递医疗顶会顶刊,在业界多个挑战赛事上如LUNA-2016、HC-2018、ISLES-2018、MICCAI2019、MICCAI2020等获得业界领先水平。

国际顶级人工智能医学影像学术会议MICCAI(国际医学图像计算和计算机辅助干预会议)在2019年、2020年连续发表了华为云人工智能医学影像分析团队5篇论文,涵盖宫颈癌筛查、脑中风分割、心室分割以及平片诊断报告自动升生成相关领域研究成果。

同时,华为云为用户提供端到端的AI使能平台,覆盖医疗影像、基因组、制药等领域,与医疗行业领先企业及医院和高校合作,加速AI研究和应用落地。

在医疗影像领域,华为云可提供企业级的医疗影像AI平台,支撑全流程可追溯的端到端AI建模,助力医疗影像AI更加系统、快速、安全地走向市场。

新冠肺炎疫情期间,华为云联合华中科技大学等伙伴推出新冠肺炎AI+CT辅助诊断与量化分析服务:可实现新冠肺炎患者初筛,实现单病例量化结果秒级输出,新冠肺炎敏感度超过99%;并可快速、准确地为影像及临床医生提供CT量化结果,分割精度与医生手工精准勾勒高度一致,缓解可精准诊断新冠肺炎影像医生紧缺的局面及隔离防控压力,减轻医生诊断工作负荷。该方案在全球数十个国家的医院推广应用。

—————————————————————————————————

微信关注公众号“懂懂笔记”每天第一时间为您奉上最新最热的科技圈资讯~多年财经媒体经历,业内资深分析人士,圈中好友众多,信息丰富,观点独到。发布各大自媒体平台,覆盖百万读者。《小米生态链战地笔记》、《微信思维》、《微信力量》三本畅销书的作者。

本文来自投稿,不代表锦鲤财经立场,如若转载,请注明出处:https://www.jinlicaijing.com/6285.html

发表评论

登录后才能评论