AI癌症检测的前沿

2019-05-05 来源:智时代 作者:倚尘
导读:检测和治疗癌症可以从一剂AI中获益,无论是病理性H&E载玻片还是完全新的诊断分支。

  cmC智时代—智能好物发现者
      检测癌症可能是人工智能最无私和最复杂的挑战。标准的筛查方法,如放射成像,可能会漏掉癌症的迹象,或返回假阴性(在20-30%的病例中是这样)。扫描图像的过程尤其需要改进,因为医生必须经常在视觉上搜索癌症的迹象,这些迹象只能留下要检测的最大,最晚期的肿瘤。遗传测试是另一种确定癌症遗传易感性的检测方法,但这并没有提供太多细节,也无法揭示一个人现在是否患有癌症。cmC智时代—智能好物发现者

 人工智能不仅可以大大提高癌症图像检测的准确性,还可以开辟基因组学与癌症筛查之间的全新领域。AI在这一领域面临着自己独特的挑战 - 例如缺乏足够的数据来训练神经网络 -但处于癌症检测前沿的公司正在寻找新的方法来绕过这些问题,并取得了令人印象深刻的成果。cmC智时代—智能好物发现者

 诊断癌症的问题cmC智时代—智能好物发现者

 癌症可以被认为是现代最致命和最不了解的疾病之一。2018年,全球新发癌症病例为1800万例,死亡960万人,平均死亡率为52.9%:仅在欧洲,死亡率为20.3%。早期发现癌症的需求也是存活率的主要因素;早期诊断出乳腺癌的患者中,90%以上的人至少能活五年,而晚期诊断出乳腺癌的患者中,这一比例为15%。人工智能有助于改善这些相当惨淡的统计数据,但检测的主要挑战仍然存在。早期或“癌前”症状难以识别,目前的方法依赖于人类对扫描图像的人体分析,以及多种诊断技术的遗传测试提供的有限信息。cmC智时代—智能好物发现者

 获得足够可靠的数据是另一个主要障碍,因为医疗数据通常受到严密保护,而且,让人工智能使用的收集的数据并不总是足够一致。这些障碍意味着神经网络通常没有足够的训练数据,并且样本大小比搜索特征大10倍的黄金法则在医学中几乎是不可能的。尽管如此,一些公司正以独特的方式克服这些挑战,包括反向训练算法,以及使用老式AI探索全新的医学诊断领域。cmC智时代—智能好物发现者

 Lunit - 照亮图像检测cmC智时代—智能好物发现者

 Lunit于2013年由来自韩国KAIST大学的六位深度学习专家创立,他们在胸透和乳房x光成像方面训练了自己的INSIGHT算法,以检测肺癌和乳腺癌。仅仅三年后的2016年,他们击败了微软和IBM,赢得了肿瘤扩散评估挑战赛。Lunit拥有97%的肺癌和乳腺癌检出率,他们认为他们的成功归功于培训:'我们没有将算法引导到特定的位置,而是提供了一个区域,并说‘那里有一个结节,试着找到它’,让算法自己学习,“Lunit首席执行官Brandon Suh说。正如Suh所提到的那样,医生(在胸部X光片中),很难找到隐藏在肋骨或器官后面的小结节,但他们的算法对癌症模式进行了详尽的搜索,以大幅降低假阴性或漏诊癌症的几率。通过使用经生物组织证实的地面真实CT扫描(从而消除了人类的偏见),研究小组从他们与首尔大学医院的联系中获益。Suh解释说,“在首尔,方圆20公里内大概有5家大医院”,所以与这些机构紧密合作,为他们提供了大量的培训数据,帮助他们找到解决方案。cmC智时代—智能好物发现者

 Lunit的病理学解决方案SCOPE分析肺癌和乳腺癌组织样本,以提供有关诊断和治疗的预测,但病理学中使用的H&E(苏木精和伊红染色)载玻片通常不会被数字化,或者在扫描质量上存在“不一致性”,Suh说。为了解决这个问题,Lunit与合作医院进行了研究,使用“高质量图像扫描仪”直接数字化数据,大大提高了SCOPE训练数据的可靠性。SCOPE使用H&E幻灯片代替扫描图像,但其工作原理与放射学解决方案的基本算法相同——Suh将这种知识转移类比为:“如果你懂西班牙语,就更容易学习法语。”他说,SCOPE分析样本中的肿瘤环境,根据风险对患者进行优先排序,因为“风险较高的患者更有可能对化疗做出反应”。cmC智时代—智能好物发现者

 Quantgene - 按分子靶向癌症分子cmC智时代—智能好物发现者

 Lunit的检测方法似乎是检测癌症的极其精确的工具 -然而,Quantgene将这种复杂性带到了分子水平。Quantgene创始人兼首席执行长巴克迪(Jo Bhakdi)说,Quantgene'将癌症筛查和基因组学两个领域结合在一起,是一个以dna为中心的癌症检测新领域。他们的算法分析无细胞DNA,以确定您对癌症的遗传倾向,无论您是否患有癌症以及在身体的哪个部位。无细胞DNA(cfDNA)从已经死亡或被杀死的细胞中排出到血液中,并且它们在典型的血液样本中组成约10,000个细胞,其可能包含一千万个血细胞。巴克迪说,Quantgene的算法会观察血液样本中cfDNA的每一个单独拷贝,以确定是否有单个拷贝来自肿瘤细胞,而不是通过遗传测试来检测一小部分血细胞样本,以确定此人的DNA中是否有遗传变异。cmC智时代—智能好物发现者

 这种方法寻找cfDNA上与遗传DNA不同的突变。“每种类型的癌症都包含这些突变,”Bhakdi解释说,“挑战在于每个癌症和每个患者的突变特征是不同的,尽管存在某些共性。”这使得Quantgene几乎不可能找到足够的数据来训练神经网络,并且它需要“化学,硬件平台和临床基础设施”,而不仅仅是机器学习和数据。这种极其复杂的模式检测 - “在一个病人身上有数百万种突变模式,它们以非常不同的方式相互关联” - 需要比神经网络更多的灵活性和多功能性,而神经网络目前在医疗领域最受关注。“每次我们偏离神经网络巨大的进步”,Bhakdi说,由于比较少用机器学习方法的通用性和抽象推理——“我们需要算法快得多(比神经网络)在锁定模式,他们不能被训练在一百万份血液样本,“Bhakdi说。cmC智时代—智能好物发现者

 医学的未来cmC智时代—智能好物发现者

 这两种更准确地检测和治疗癌症的方法,是医疗保健领域人工智能增长浪潮的一部分,而这股浪潮似乎不太可能停止。大规模实施人工智能可能导致一个完全主动的医疗系统,先发制人地应对疾病,而不是专注于治疗病人——巴克迪打趣道,这是“医疗而不是疾病护理”。当然,如果没有正确的数据专业知识,人工智能将很难影响真正的变化。巴克迪说,99.9%的医生无法参与人工智能对话,医学专家必须将数据科学融入他们的日常生活。cmC智时代—智能好物发现者
cmC智时代—智能好物发现者
  除了缺乏数据,心态和专业的改变也是人工智能在医疗领域的主要障碍。但如果像Lunit和Quantgene这样的应用程序能够让整个医疗保健界了解它们(更重要的是了解它们),那么人工智能将成为对抗癌症的有力武器。cmC智时代—智能好物发现者
cmC智时代—智能好物发现者
cmC智时代—智能好物发现者
 
文章编译于Porbes,原文网址:https://www.forbes.com/sites/charlestowersclark/2019/04/30/the-cutting-edge-of-ai-cancer-detection/?ss=ai-big-data#73ae85b97336cmC智时代—智能好物发现者

免责声明:智时代网登载此文出于传递更多信息之目的,文章仅代表作者个人观点,与智时代(http://www.zhitime.cn)无关。其原创性以及文中陈述文字和内容未经本站证实,对本文以及全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。
分享到
还没有账号? 立即注册