点内科技联合华东医院及上海交大在 Cancer Research 发表论文:3D 深度学习在 CT 影像预测早期肿瘤浸润方面超过影像专家

2018-10-12 20:56 来源:丁香园 作者:
字体大小
- | +

导读:本研究利用高效的、多任务的 3D 卷积神经网络 DenseSharp ,同时进行分类和分割,旨在研究从 CT 影像预测早期肿瘤病理浸润深度学习和放射专家的准确度。

1.png

CT 影像预测早期肿瘤病理浸润,人工智能 VS 放射专家

点内科技、复旦大学附属华东医院「张国桢肺微小结节诊治中心」和上海交通大学「SJTU-UCLA 机器感知与推理联合研究中心」组成的联合研究团队共同合作的科研成果「3D Deep Learning from CT Scans Predicts Tumor Invasiveness of Subcentimeter Pulmonary Adenocarcinomas」发表于美国癌症研究协会(American Association for Cancer Research,AACR)会刊《Cancer Research》期刊上,华东医院李铭教授为本篇论文的通讯作者,赵伟博士和杨健程博士为共同第一作者。

《Cancer Research》创办于 1916 年,为国际肿瘤研究领域引用率最高的权威期刊之一,主要发表包括基础研究、临床前及临床、肿瘤预防及生物治疗在内的肿瘤学原创研究论文和综述文章,具有很高的国际影响力,2017 年影响因子高达 9.13。这一成果的发布是 AI 医疗领域重要的里程碑,意味着机器学习工具开始在医疗实践中产生重要影响,该研究能帮助医生选择早期肺癌的治疗方法,将有利于推动精准医疗。

3D 卷积神经网络 DenseSharp 在医学影像领域的应用

论文「3D Deep Learning from CT Scans Predicts Tumor Invasiveness of Subcentimeter Pulmonary Adenocarcinomas」于 2018 年 10 月 2 日在线发表,文章利用深度学习的方法对像素级标注的亚厘米肺腺癌 CT 数据和其病理结果标注进行训练,并通过多任务的卷积神经网络对亚厘米肺腺癌的浸润风险程度进行自动术前预测。通过建立医疗影像上的 taskonomy(任务谱),逐步使医疗影像的研究脱离西西弗斯式的悲剧(Sisyphean challenge),合理的任务配置将会极大降低模型的学习难度、迁移泛化能力、稳定性和可靠性。该模型基于 3D DenseNets,配合多任务学习,是参数高效(parameter-efficient)的 3D 卷积神经网络。训练完成后,模型只需要常规的 CT 数据,不需要肺结节分割、大小以及任何预先定义的信息。我们的多任务学习模型显著优于单任务模型,并且 3D 模型也显著优于其 2D 变种。为推进可复现的人工智能研究,基于 Keras 的模型代码开源(Apache-2.0 License)在 https://github.com/duducheng/DenseSharp。

CT 影像预测早期肿瘤病理浸润,深度学习超过放射专家水平

在 128 例测试集上,多任务深度学习模型预测的结果优于 4 位放射科医生(两位高年资医师和两位低年资医生)的评价结果;我们训练的多任务深度学习模型在区分浸润/非浸润两分类的准确率达到了 78.8%(AUC),区分 IAC/非 IAC(0 期/I 期)两分类的准确率达到了 88.0%(AUC),区分 AAH-AIS/MIA/IAC 三分类的准确率达到了 63.3%(F1)。需要说明的是,本文纳入的亚厘米肺结节大部分为肺磨玻璃结节,这种类型的结节,特别是亚厘米磨玻璃结节,在 CT 图像上由于传统的恶性征象较少出现,浸润前病变和浸润性病变影像表现重叠较高等特征,诊断十分困难,在三分类的诊断上,高年资医师的诊断正确率也只有 56.6%,而我们的深度学习的准确率可达到 63.3%,由此可见深度学习在处理这类问题时的优势与前景。本文从构思到发表,经历了数据采集、像素级标注、数据处理、模型开发训练、模型测试、公共数据集申请、下载、标注、测试、论文的攥写、修改、同行评阅、修回等过程,点内的联合研究团队只用了不到 9 个月时间便完成了算法开发测试及论文发表工作。

2.png

华东医院「张国桢肺微小结节诊治中心」

本文提供的大量病理、像素标注数据归功于华东医院「张国桢肺微小结节诊治中心」团队多年来的积累。华东医院「张国桢肺微小结节诊治中心」专注于早期肺癌的筛查、诊断及治疗研究,提出「抓早、抓小、抓准、抓好」的四抓原则,尤其是 IA1 期肺癌(10 mm 及以下肺结节)的诊断全球领先,并将中心近年的经验及成果著书于 2018 年初由 Springer 出版社出版<<Early stage lung cancer>>, 标志着在肺癌的诊断及治疗领域中,中国不仅具有最优质的数据,而且在肺癌的筛查及早期诊断方面也走在了世界前列。本次该团队的人工智能在亚厘米肺癌的应用论文的发表,也将有力提高高危人群肺癌筛查的有效性及准确性。

点内科技瞄准精准医疗,用 CT+AI 预测病理结果

与此同时,点内将这一科研用于产品研发,开发的「肺常好」肺结节筛查产品是全球首创能够给出 AAH/AIS/MIA/IAC 早期腺癌浸润程度建议的精准医疗人工智能系统。而这一特点恰恰是目前 AI 医学影像市场上唯一能够帮助医生进行分型预测、术前评估的产品。大约有 30% 的病人因为肺癌病灶发现及诊断较晚,失去手术机会,不能通过手术来判断病理的结果。但 CT 是无创检查,我们可以用 CT 影像(无创)利用 AI 去自动预测病理(有创)的结果,将进一步推进精准医疗的研究以及在临床实践中的普及和应用。

以下是目前人工智能影像肺结节领域各产品的场景分布,可以看出点内科技作为一家专注肺结节的 AI 公司在该领域具有明显的优势和前瞻。

参考原文链接:

http://cancerres.aacrjournals.org/content/early/2018/10/02/0008-5472.CAN-18-0696

关于点内科技:

点内科技成立于 2016 年 4 月,是一家创新型高科技企业,总部位于中国上海。

公司管理团队来自世界顶尖的制药和医疗设备企业;核心技术团队汇聚众多人工智能、医疗行业资深专家及深度学习科学家,多位成员均为美国科学家荣誉协会(Sigma Xi Society)会员和国家中组部「***」科学家。

点内科技通过国内肺部专科医院和大型三甲医院近 50,000 例肺部 CT 数据的训练,将人工智能与大数据技术紧密结合,为医生提供针对肺部结节的早期辅助诊断和治疗建议产品。

2017 年,在「天池医疗 AI 大赛--肺部结节智能诊断大赛」中,点内科技从 2,887 支来自世界各地的参赛队伍里脱颖而出,取得第一名。

2018 年 8 月 8 日,点内科技成为首批获得国家食品药品监督管理局(CFDA)医疗器械注册(二类)证书的企业。

如有疑问,欢迎垂询
联系人:林小姐
邮箱:yanxuan.lin@dianneidna.com

编辑: 翟超男

版权声明

本网站所有注明“来源:丁香园”的文字、图片和音视频资料,版权均属于丁香园所有,非经授权,任何媒体、网站或个人不得转载,授权转载时须注明“来源:丁香园”。本网所有转载文章系出于传递更多信息之目的,且明确注明来源和作者,不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。同时转载内容不代表本站立场。