網友Coolwulf的乳腺癌X光片AI早篩項目：免費使用 準確度高達90％

網友 Coolwulf （在cnBeta熟悉他的人可能都上了年紀了，他就是K-MeleonCCF瀏覽器的作者） 在 V2EX 上發文稱，為了提升乳腺癌 X 光片的早期診斷速度，他特地提供了一個完全免費的網站和 iOS app 。起因是去年一位 34 歲的校友因乳腺癌晚期不幸離世，留下了一個才 4 歲的孩子。

惋惜之餘，他思索著能不能做點什麼事情，幫助大眾來提高乳腺癌的早期檢測成功率。因為如果在一期發現乳腺癌的話，5 年存活率高達 99% 。

正常（左）與癌性（右）乳房造影圖像【來自：維基百科】

那麼，能否寫一個完全免費的網站和 ios app，讓用戶可以迅速得到「乳腺 X 光片」（X-ray Mammogram）的診斷結果、或者至少可以是 2nd Opinion？

因為用戶做完 Mammography 之後有時候需要等好幾天才能有放射科醫師（Radiologist）來讀片子，而且現在有 20% 的概率會漏掉早期的腫瘤。

有鑒於此，Coolwulf 決定用 Deep Learning (深度學習) 來做這件事情。

對於一個足夠好的深度學習模型（Deep Learning Model），一是要有足夠多的數據（即使是做 Transfer Learning 的情況下），二是要有足夠強大的計算力。

為了做成這件事情，我在本地搭建了一個 50 個 Nvidia Geforce GTX 1080 Ti 的 GPU 集群，這是搭成之後的硬體：

有了硬體之後就是設計 Model 和收集數據。我從北美和歐洲的幾個研究組獲取了「帶注釋的乳腺 X 光片」（Annotated Breast Mammo）的數據。

這些 Annotation 大多都是根據北美 ABR 認證的放射學者做出的。也就是說，如果這個模型能夠訓練好，就可以達到 ABR Certified Radiologist 識別的平均水平或者更好。

最終的結果我在歐洲的 InBreast 數據上做了測試，達到了 90% 的準確度（AUC）。

我覺得這個 Model 已經可以給大眾實用了，在這裡公開出來：

http://neuralrad.com

你可以直接上傳 .jpg 形式的 Mammo 圖片，這個 AI 會給出判斷結果（下面是屏幕截圖）：

這個網站是完全免費使用的。我現在還在繼續更新和改進模型，也在聯繫國內的幾家醫院來合作來獲取更多的數據來訓練它。

肯塔基大學醫院（University of Kentucky Hospital）和國內的一家合作公司已經在測試了這個模型。

乳腺癌檢查去年有個全世界競賽，他們先用這個競賽獲得第二名程序測試了 MIAS 數據，漏了 10 個 case，然後他們用我的網站測試了一下，只漏了一個。

這個第二名程序發表了一篇自然雜誌的論文：

這兩天，我也公布了完全免費的桌面版本，支持讀取和瀏覽 dicom 文件，並自動轉換 Normalize for AI analysis 。

在 InBreast 的 Dicom 數據上，AUC （準確率）大概 93% 。上面為桌面版本截圖，下載地址就在網頁主頁上。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！