機器人診斷成像計算機勝過許多醫生

凱斯西儲大學的Anant Madabhushi診斷成像實驗室的「深度學習」電腦在診斷心力衰竭，檢測各種癌症和預測其力量方面經常擊敗他們的同行。

但Madabhushi--即使他很樂意吹捧他在實驗室中出現的三個明顯的網路優勢的最近例子 - 也駁斥了當這些機器取代病理學家和放射學家時對未來未來的任何暗示。

Madabhushi說：「病理學家和放射科醫生最初總是會對這個想法產生一些畏縮和焦慮 - 我們的計算成像技術可以勝過我們，甚至可以從事我們的工作，」Madabhushi說，他的中心已經在心血管疾病方面取得了顯著的診斷進展，自2012年開業以來，一直致力於腦，肺，乳房，前列腺和頭頸部癌症的治療。

工程學院生物醫學工程學系的F. Alex Nason教授Madabhushi認為，他的研究不僅引入了寶貴的診斷工具，而且還幫助識別那些侵襲性較低，可能不需要更積極治療的患者。

自2016年以來，Madabhushi及其團隊從國家癌症研究所收到950多萬美元，用於開發用於分析乳腺癌，肺癌和頭頸癌的數字病理圖像的計算工具，以確定哪些患有這些疾病的患者可以放棄積極的放療或化療。

「這並不是說我們能夠"擊敗"病理學家或放射科醫生，而是機器能夠為他們所能提供的價值增加價值，」他說。「迫切需要更好的決策支持工具，使他們能夠為患者服務，特別是在病理學家或放射科醫師非常少的地方。

「通過向他們提供決策支持，我們可以幫助他們提高效率，例如，這些工具可以幫助減少無明顯疾病或明顯良性病例的時間，並幫助他們專註於更混亂的病例。 「

這些工具已經在Case Western Reserve的Madabhushi計算成像和個性化診斷中心（CCIPD）產生了非常準確的結果。

考慮最近的三個例子：

1. Madabhushi實驗室的計算機成像系統正確地預測了97％的準確率，其中105名患者已經顯示出未決心衰的證據。相比之下，兩位病理學家分別是正確的74％和73％。結果最近發表在期刊PLOS ONE上。

2. Madabhushi和共同研究人員在608,000美元的美國國防部的國會指示的醫學研究計劃資助下表明，儘管人類放射科醫生可以將在CAT掃描中出現的所有結節的一半標記為「可疑」或「不確定」，約98％的結節實際上是良性的。在最近發表在「醫學影像雜誌」上的一項研究中，Madabhushi及其研究小組表示，他們的計算機成像技術與兩位人類專家區分良性與惡性肺結節相比，優於5-8％。

3.在美國，芬蘭和澳大利亞進行的一項關於前列腺癌掃描的國際研究中，計算成像演算法以兩種方式優於人類對照，詳見最近發表在「磁共振成像雜誌」上的一項研究。機器演算法在70％以上的放射科醫師在磁共振成像（MRI）掃描中錯過了臨床上顯著的前列腺癌的案例中，機器演算法已經發現了它。在一半放射科醫師在MRI掃描中錯誤地確定臨床上顯著的前列腺癌存在的情況下，機器能夠正確地識別出沒有臨床上顯著的疾病存在。「這對我們來說都是非常令人興奮的數據，但現在我們需要更多的驗證，並在更大的隊列中展示這些結果，」Madabhushi說。「

放射組學與病理學：勝利背後的技術

那麼，這些超級計算機究竟做了什麼，人類無法在診斷成功中創造如此巨大的利潤？

幾乎所有計算機在過去半個世紀中的優勢都可以說是簡短的答案：機器的工作速度和體積要大得多。

這裡的精確區別在於CCIPD的診斷成像計算機可以讀取，記錄，比較和比較字面上數百張組織樣本的幻燈片，病理學家可能花費在單張幻燈片上的時間量。

然後，他們快速完整地記錄腺體，細胞核和周圍組織的質地，形狀和結構等特徵，以確定與某些疾病相關的侵襲性和風險。

這就是「深度學習」的來源：從所有這些方面來看，它們創建的演算法可以超越人眼在比較和對比這些大量圖像時看到的內容。最後，他們正在努力預測一切，從疾病的侵襲程度到掃描的結節是否可能會變成癌變。

最後，所有這些新信息都應該能幫助病理學家和放射科醫師對幻燈片和掃描的解讀，但更關鍵的是可以幫助臨床醫生提供更多的知情治療建議。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！