用AI超早期確診胃癌，可高精度排出癥狀類似的胃炎跟潰瘍

Japan Technology Observer 日本科技觀察

致敬愛的讀者：如果該公號采編的文章對您工作、學習有稍許啟發、參考，希望耽誤您一些寶貴時間，幫忙點擊下底部廣告，小編可以籍此獲得一些收入。

PS：希望能盡微薄之力，幫助有心前往日本大學或者研究機構進行碩博士，博士後，訪問學者的朋友聯繫教授導師，或者選定科研課題。有興趣的同學朋友請後台留言給我。為提高溝通效率，請同時留言300-500字自己的過往已發表論文概要或者將來研究計劃概要。

相關往期文章回顧

理化研究所跟（日本）國立癌研究中心東院的共同研究小組，發表他們已經確立了通過人工智慧外完成對胃癌的高精度的早期自動確診方法。本次的研究成果，被期待在減少胃癌的漏診率，進而加強對胃癌的早發現早治療發揮重要效果。

研發此項技術的，是理化 光量子工程學研究中心 圖像信息處理研究團隊的橫田秀夫組長，竹本智子研究員等人以及（日本）國立癌症研究中心的東院 消化道內窺鏡科室的矢野友規科長，池松弘朗醫生，堀圭介醫生等人組成的團隊。在2018年7月21日美國夏威夷召開的學會「40th Annual International Conference of the IEEE Engineering in Medicine and Biology Society」上，發表了該研究成果。

共同研究小組考慮的是，使用深度學習技術從內窺鏡圖像中自動檢查早期胃癌的方法。將深度學習應用到把圖像中的物體檢查出來的情況，一般是用數十張乃至數百張正確的圖像作為學習資料。但收集早期癌症的正確圖像非常困難（這是情況只能是那些病人有保存早前檢查圖像信息，而且最後確診癌症時候還有找到這些圖像），至少目前是這樣。因此從正確的圖像中隨機分切出小的區域，利用數據擴張技術增加圖像的數量。使用這些圖片讓計算機進行學習的結果是：陽性命中率（計算機判斷是癌症的圖像中，實際卻是是癌症的比率）高達93.4%，陰性命中率（計算機判斷正常的圖像中，實際也是正常的比率）達到83.6%。可以說在胃癌領域成功達到了高精度早期確診的成果。

針對需要準備大量的學習資料這個課題，共同研究小組基於深度學習分類為Convolutional Neural Network（CNN），採用了以較少量的學習資料來進行學習的新方法。在早期胃癌領域已經實證正確的有內窺鏡所得到的正確的圖像和正常（胃）圖像各100張製作了早期胃癌判斷的模型。從這200張圖片信息中隨機地抽取出1萬片含有癌的部分以及正常部分的區域圖片，總計得到2萬張圖片。進而對這些圖像使用被稱之為數據擴充的技術生成36萬片圖像。其次，為了讓CNN擁有早期胃癌的診斷能力，應用被稱之為轉移學習的學習法，使用約35萬張圖片進行了再學習。進而在學習完成之後，使用沒有在學習過程中使用的1萬片圖像，進行對自身之前學習效果的實證。其結果是：感度（正確將癌症判斷為癌症的比例）為80.0%，特異度（正確將正常潘丹為正常的比例）為94.%。另外陽性跟陰性的命中率非常高，就算是在胃炎胃潰瘍等跟胃癌特別相似難以判斷的情況下，結果也顯示有非常高的正確率。

目前，共同研究小組跟日本消化器官內窺鏡學會來主導的Endoscopy Database project（JED項目組）來合作，商討如何更簡單地手機更多早期胃癌的正確圖像。下來，理研的科學技術據點推進本部，會跟醫學革新據點推進項目組之間的合作，建立自動收集大量的醫療數據進行機械學習的架構。再下來，該項技術的發展有助於進一步提高在早期確診胃癌的精度。今後將繼續開展實證試驗，作為在臨床階段作為醫生判斷的參考依據，儘快實現該技術的實用化。

意展醫療聯繫方式：

意展醫療日本辦事處

致力於日本醫療行業

市場調研｜商務聯繫｜技術轉移

等諮詢服務

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！