人工智能系统比放射科医生更早发现肺癌

来自谷歌和西北医学的一项新研究报告称，深度学习——人工智能的一种形式——能够在低剂量胸部计算机断层扫描(LDCT)中检测出恶性肺结节，其性能达到或超过了放射专家的水平。

这个深度学习系统提供了一个自动化的图像评估系统，以提高早期肺癌诊断的准确性，从而导致早期治疗。该深度学习系统与放射科医生对患者的低密度脂蛋白胆固醇(LDCTs)进行了比较，其中一些患者在一年内活检证实患有癌症。在大多数比较中，该模型的表现优于或优于放射科医生。

深度学习是一种通过实例教会计算机学习的技术。

深度学习系统还产生更少的假阳性和假阴性，如果在临床环境中使用，这可能导致更少的不必要的随访程序和更少的错过肿瘤。

这篇论文发表在5月20日的《自然医学》杂志上。

“放射科医生通常检查数以百计的二维图像或“片”在一个单一的CT扫描,但这一新的机器学习系统观点在一个巨大的肺部,单一的三维图像,”博士说这项研究的合作者Mozziyar Etemadi,研究助理西北大学Feinberg医学院麻醉学教授和工程麦考密克工程学院。“3D人工智能检测早期肺癌的能力比人眼观察二维图像的能力要灵敏得多。这是技术上的“4D”，因为它不仅是看一个CT扫描，而是随着时间的推移两个(当前和之前的扫描)。

“为了构建以这种方式查看CTs的人工智能，你需要一个谷歌规模的庞大计算机系统。这个概念很新颖，但由于其规模，其实际工程也很新颖。”

Etemadi领导着他的研究团队，同时也在西北大学进行麻醉学住院医师培训，这是一个独特的住院医师研究轨道的一部分。

Etemadi的双重角色使他的实验室的研究能够跨越医疗和工程之间的技术和通信边界。他的实验室位于西北纪念医院(Northwestern Memorial Hospital)的重症监护室内，允许工程师、护士、医生和其他护理人员之间进行无缝沟通。

谷歌技术主管谢蒂(Shravya Shetty)表示:“这一领域的研究非常重要，因为肺癌是所有癌症中死亡率最高的，在广泛采用肺癌筛查方面存在许多挑战。”“我们的工作研究了人工智能用于提高准确性和优化筛选过程的方法，这些方法可以帮助筛选项目的实施。结果很有希望，我们期待着继续与合作伙伴和同行合作。”

肺癌是美国最常见的癌症相关死亡原因，2018年估计有16万人死于肺癌。美国和欧洲的大型临床试验表明，胸部筛查可以识别癌症并降低死亡率。然而，高错误率和有限的筛查手段意味着，许多肺癌通常是在晚期发现的，那时很难治疗。

深度学习系统利用初级CT扫描和以前的CT扫描作为输入。先前的CT扫描对预测肺癌的恶性肿瘤风险是有用的，因为可疑的肺结节的生长速度可以指示恶性肿瘤。这台计算机是通过完全去识别、生物组织检查证实的低剂量胸部CT扫描来训练的。

该新系统既能识别感兴趣的区域，也能识别该区域是否具有很高的肺癌发病率。

在没有CT成像的情况下，该模型的表现优于6名放射科医生，与已有CT成像的放射科医生一样好。

“该系统可以更特异性地对病变进行分类。我们不仅可以更好地诊断癌症患者，我们还可以判断患者是否患有癌症，这有可能使他们免于接受侵入性、高成本和高风险的肺活检。”

谷歌的科学家们开发了这个深度学习模型，并将其应用于西北医学提供的2763套去识别CT扫描设备，以验证其新系统的准确性。科学家们发现，这个人工智能驱动的系统能够通过0.94个测试病例的AUC模型来识别微小的恶性肺结节。这些病例来自西北大学电子数据仓库和其他西北大学医学数据源，这是Etemadi团队设计的复杂、高度定制的软件的结果。

“我们作为临床医生使用的大多数软件都是为病人护理而设计的，而不是为研究而设计的，”Etemadi说。“我的整个团队花了一年多的时间来提取和准备数据，以帮助这个令人兴奋的项目。能够与谷歌的世界级科学家合作，利用他们前所未有的计算能力，创造出每年能够拯救数万人生命的东西，这确实是一种特权。”

作者警告说，这些发现需要在大量患者中进行临床验证，但他们表示，该模型可能有助于改善肺癌患者的管理和预后。

本文通讯作者为谷歌产品经理Daniel Tse博士。

主题:癌症，范伯格医学院，西北医学，研究