0
| 本文作者： 李雨晨 | 2019-11-13 10:57 |
上消化道癌癥（包括食道癌和胃癌）是世界范圍內(nèi)最常見(jiàn)的惡性腫瘤。
據(jù)國(guó)家癌癥中心統(tǒng)計(jì)數(shù)據(jù)顯示，全球約50%的上消化道癌（包括食管癌、胃癌等）發(fā)生在中國(guó)，其中超過(guò)85%的患者在確診時(shí)已為中晚期，每年因此導(dǎo)致的死亡病例超過(guò)40萬(wàn)，但如果能早期發(fā)現(xiàn)，5年生存率可以超過(guò)90%。
為了克服這一挑戰(zhàn)，許多國(guó)家已經(jīng)制定并實(shí)施了上消化道內(nèi)鏡指南和技術(shù)，如窄帶成像和共焦激光內(nèi)窺鏡，從而提高了早期上消化道腫瘤的檢出率。但是在內(nèi)鏡檢查中，可疑上消化道癌癥被漏診的風(fēng)險(xiǎn)在病人數(shù)量少的醫(yī)院、欠發(fā)達(dá)地區(qū)或偏遠(yuǎn)地區(qū)，甚至在經(jīng)常進(jìn)行內(nèi)鏡檢查的國(guó)家可能仍然很高。
人工智能在醫(yī)學(xué)的各個(gè)領(lǐng)域展示出了非常大的潛力，臨床上，內(nèi)窺鏡人工智能最重要的用途是幫助區(qū)分腫瘤性病變和非腫瘤性病變。盡管人工智能在上消化道癌癥診斷中的應(yīng)用已發(fā)表了令人鼓舞的初步結(jié)果，但由于研究設(shè)計(jì)有待改進(jìn)（如單中心研究、小樣本和回顧性分析），它們的臨床價(jià)值比較小。
因此，中山大學(xué)腫瘤防治中心主任、院長(zhǎng)、所長(zhǎng)，華南腫瘤學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室主任徐瑞華教授帶領(lǐng)由數(shù)十位專家組成的團(tuán)隊(duì)開(kāi)展了多學(xué)科聯(lián)合攻關(guān)，成功自主研發(fā)出了一套上消化道癌內(nèi)鏡AI輔助診斷系統(tǒng)，利用來(lái)自6家醫(yī)院的真實(shí)內(nèi)鏡成像數(shù)據(jù)來(lái)檢測(cè)上消化道腫瘤。
雷鋒網(wǎng)了解到，團(tuán)隊(duì)的這款A(yù)I診斷平臺(tái)名叫GRAIDS，經(jīng)臨床實(shí)踐數(shù)據(jù)驗(yàn)證，對(duì)上消化道腫瘤的診斷敏感性高達(dá)90%以上，優(yōu)于非專家級(jí)別內(nèi)鏡醫(yī)師。
2019年10月，相關(guān)研究成果《人工智能實(shí)時(shí)輔助內(nèi)鏡早期診斷上消化道腫瘤：一項(xiàng)多中心、病例對(duì)照、診斷性研究》正式在線發(fā)表于全球頂尖學(xué)術(shù)期刊《柳葉刀·腫瘤學(xué)》上。
這項(xiàng)多中心、病例對(duì)照、診斷性研究在中國(guó)六家醫(yī)院進(jìn)行，回顧性地從國(guó)立中山大學(xué)腫瘤中心（廣州）的影像數(shù)據(jù)庫(kù)中獲得內(nèi)鏡圖像，用于GRAIDS的開(kāi)發(fā)和驗(yàn)證。此外，團(tuán)隊(duì)還開(kāi)發(fā)了一個(gè)CAD系統(tǒng)，實(shí)時(shí)識(shí)別上消化道癌性病變，用于常規(guī)內(nèi)鏡檢查。安裝CAD系統(tǒng)的計(jì)算機(jī)直接連接到內(nèi)窺鏡裝置上，從而允許在內(nèi)窺鏡檢查期間提供全自動(dòng)輔助診斷。
從2018年7月21日起，GRAIDS在線發(fā)布，并在sysucc（中山大學(xué)腫瘤防治中心）的內(nèi)窺鏡實(shí)踐中得到了應(yīng)用。
以下為論文詳細(xì)內(nèi)容，由雷鋒網(wǎng)AI掘金志學(xué)術(shù)組編譯和編輯。關(guān)注AI掘金志公眾號(hào)，在對(duì)話框回復(fù)關(guān)鍵詞“中山大學(xué)”，即可獲取原文PDF。
這項(xiàng)多中心、病例對(duì)照、診斷性研究在中國(guó)的6家不同級(jí)別的醫(yī)院（中山大學(xué)腫瘤防治中心、粵北人民醫(yī)院、梧州紅十字醫(yī)院、江西腫瘤醫(yī)院、普寧人民醫(yī)院、揭陽(yáng)人民醫(yī)院）進(jìn)行。從所有參與醫(yī)院檢索到18歲或18歲以上未進(jìn)行過(guò)內(nèi)鏡檢查、可持續(xù)參加研究患者的圖像。所有經(jīng)組織學(xué)證實(shí)為惡性腫瘤的上消化道腫瘤患者（包括食管癌和胃癌）均符合本研究的要求。只有帶有標(biāo)準(zhǔn)白光的圖像才被認(rèn)為是合格的。
我們將中山大學(xué)腫瘤中心的圖像隨機(jī)（8:1:1）分配到graids開(kāi)發(fā)的訓(xùn)練和內(nèi)部驗(yàn)證數(shù)據(jù)集，內(nèi)部驗(yàn)證數(shù)據(jù)集用來(lái)評(píng)估GRAIDS性能。采用中山大學(xué)腫瘤中心（國(guó)立醫(yī)院）的內(nèi)部和前瞻性驗(yàn)證集和5家基層醫(yī)院的額外補(bǔ)充驗(yàn)證集對(duì)其診斷性能進(jìn)行評(píng)估。
GRAIDS的診斷能力也與具有三個(gè)不同專業(yè)級(jí)別的內(nèi)窺鏡醫(yī)師進(jìn)行了比較：專家醫(yī)師、主管醫(yī)師和實(shí)習(xí)醫(yī)師。GRAIDS和內(nèi)窺鏡對(duì)癌性病變的診斷準(zhǔn)確度、敏感性、特異性、陽(yáng)性預(yù)測(cè)值和陰性預(yù)測(cè)值，采用 Clopper-Pearson方法計(jì)算95% CIs。
我們用來(lái)自84424人的1036496張內(nèi)鏡圖像進(jìn)行GRAIDS的訓(xùn)練和驗(yàn)證。
上消化道腫瘤的診斷準(zhǔn)確率在內(nèi)部驗(yàn)證集中為0.955（95%ci 0.952-0.957），在前瞻性驗(yàn)證集中為0.927（0.925-0.929），在5個(gè)外部驗(yàn)證集中為0.915（0.913-0.917）到0.977（0.977-0.978）。GRAIDS的診斷敏感度與內(nèi)窺鏡檢查專家相似，與內(nèi)窺鏡普通醫(yī)師和實(shí)習(xí)醫(yī)生相比，graids具有更高的敏感性。
GRAIDS的陽(yáng)性預(yù)測(cè)值為0.814（95%ci 0.788-0.838），內(nèi)窺鏡專家為0.932（0.913-0.948），內(nèi)窺鏡普通醫(yī)師為0.974（0.960-0.984），實(shí)習(xí)內(nèi)窺鏡師為0.824（0.795-0.850）。GRAIDS陰性預(yù)測(cè)值為0.978（95%ci 0.971-0.984），內(nèi)窺鏡專家陰性預(yù)測(cè)值為0.980（0.974-0.985），內(nèi)窺鏡普通醫(yī)師陰性預(yù)測(cè)值為0.951（0.942-0.959），內(nèi)窺鏡實(shí)習(xí)醫(yī)生陰性預(yù)測(cè)值為0.904（0.893-0.916）
所有圖像均以高分辨率拍攝，但使用不同的內(nèi)窺鏡和視頻系統(tǒng)。所有上消化道內(nèi)鏡圖像均以jpeg格式存儲(chǔ)在6家醫(yī)院的影像數(shù)據(jù)庫(kù)中。只有帶有標(biāo)準(zhǔn)白光的圖像才被認(rèn)為是合格的。不包括染色圖像、窄帶圖像、因停頓、模糊、散焦、粘液和空氣吹掃不良而產(chǎn)生的低質(zhì)量圖像以及非內(nèi)窺鏡圖像。
來(lái)自Sysucc的8位經(jīng)驗(yàn)豐富的內(nèi)窺鏡醫(yī)師對(duì)所有圖像的質(zhì)量進(jìn)行了評(píng)估，每人至少有5年的經(jīng)驗(yàn)，并進(jìn)行了3000多次檢查。所有上消化道腫瘤病灶均由同一組內(nèi)鏡醫(yī)師手工標(biāo)記。他們仔細(xì)地標(biāo)記每個(gè)癌灶的邊界。那些在解剖位置上與病理報(bào)告不符的內(nèi)鏡圖像被丟棄。
我們將來(lái)自6家醫(yī)院的相同數(shù)量的圖像分配給4組經(jīng)驗(yàn)豐富的內(nèi)窺鏡醫(yī)師（每組2名內(nèi)窺鏡醫(yī)師）進(jìn)行質(zhì)量控制、標(biāo)記和勾畫(huà)。同一組的兩位內(nèi)窺鏡醫(yī)師在標(biāo)記和勾畫(huà)方面進(jìn)行了合作。勾畫(huà)過(guò)程中，一名內(nèi)窺鏡醫(yī)師在另一名內(nèi)窺鏡醫(yī)師的監(jiān)督下進(jìn)行勾畫(huà)。只有當(dāng)來(lái)自同一組的兩位內(nèi)窺鏡醫(yī)師達(dá)成共識(shí)時(shí)，圖像選擇、標(biāo)記和勾畫(huà)才最終確定。
GRAIDS算法開(kāi)發(fā)
將來(lái)自sysucc的圖像（8:1:1）隨機(jī)分配給用于GRAIDS開(kāi)發(fā)的訓(xùn)練和內(nèi)部驗(yàn)證數(shù)據(jù)集，以及用于GRAIDS性能評(píng)估的內(nèi)部驗(yàn)證數(shù)據(jù)集。GRAIDS的算法基于DeepLab’s V3+ 的概念，并包含一個(gè)編碼器和解碼器模塊。模型有一個(gè)輸入和兩個(gè)輸出，模型輸入上消化道內(nèi)鏡圖像。
第一個(gè)輸出是一個(gè)標(biāo)準(zhǔn)的兩分類任務(wù)，用于確定輸入圖片是否包含腫瘤。第二個(gè)輸出實(shí)現(xiàn)了一個(gè)分割任務(wù)，該任務(wù)標(biāo)出輸入圖像的腫瘤區(qū)域。采用四個(gè)內(nèi)窺鏡組（每個(gè)組由兩個(gè)內(nèi)窺鏡醫(yī)師組成）的標(biāo)記和勾畫(huà)數(shù)據(jù)作為訓(xùn)練樣本的金標(biāo)準(zhǔn)。學(xué)習(xí)曲線用來(lái)表示圖像分類效果，交叉聯(lián)合（IOU）代表模型的圖像分割性能。
GRAIDS算法驗(yàn)證
我們首先使用內(nèi)部驗(yàn)證數(shù)據(jù)集和來(lái)自sysucc的前瞻性驗(yàn)證數(shù)據(jù)集驗(yàn)證GRAIDS在識(shí)別患者上消化道腫瘤方面的性能。然后我們使用來(lái)自五家參與醫(yī)院的外部驗(yàn)證數(shù)據(jù)集評(píng)估GRAIDS的穩(wěn)健性，每一家醫(yī)院都有少量的上消化道癌癥患者。
為了進(jìn)一步的性能評(píng)估，我們從前瞻性驗(yàn)證集中隨機(jī)選擇了組織學(xué)確診的上消化道腫瘤患者的圖像子集。三位不同專業(yè)程度的內(nèi)窺鏡醫(yī)師（專家、主管和實(shí)習(xí)醫(yī)師）被要求獨(dú)立完成相同的測(cè)試圖像檢測(cè)，并將其結(jié)果與GRAIDS的結(jié)果進(jìn)行比較，患者的人群信息和最終組織病理學(xué)結(jié)果對(duì)他們不可見(jiàn)。
這三位內(nèi)窺鏡醫(yī)師都沒(méi)有參與圖像的選擇和標(biāo)記，在內(nèi)窺鏡檢查人員進(jìn)行評(píng)估之前，這些圖像也被打亂和去除標(biāo)記。內(nèi)窺鏡專家是一位在內(nèi)窺鏡檢查方面有10多年經(jīng)驗(yàn)的教授。內(nèi)窺鏡普通醫(yī)師是一名主治醫(yī)生，具有5年以上的經(jīng)驗(yàn)，完成了臨床和特定的內(nèi)窺鏡培訓(xùn)。內(nèi)窺鏡實(shí)習(xí)醫(yī)師是一名有兩年內(nèi)窺鏡經(jīng)驗(yàn)的住院醫(yī)師。
統(tǒng)計(jì)學(xué)分析
采用 Clopper-Pearson方法計(jì)算95% CIs，評(píng)價(jià)graids對(duì)癌性病變鑒別診斷的準(zhǔn)確性、敏感性、特異性、陽(yáng)性預(yù)測(cè)值（ppv）和陰性預(yù)測(cè)值（npv）。我們使用ROC曲線來(lái)顯示深度學(xué)習(xí)算法在鑒別上消化道癌癥患者與正常人的診斷能力。通過(guò)改變預(yù)測(cè)概率閾值，繪制真陽(yáng)性病例比例（敏感性）與假陽(yáng)性病例比例（1-特異性）的ROC曲線。ROC曲線下面積越大，診斷效果越好。所有統(tǒng)計(jì)檢驗(yàn)均為雙側(cè)，顯著性水平為0.05。用3.5.1版r軟件進(jìn)行統(tǒng)計(jì)分析。
結(jié)果
2009年1月12日至2017年9月30日期間，從Sysucc的上消化道內(nèi)窺鏡成像數(shù)據(jù)庫(kù)獲得了來(lái)自20352名參與者的314 726張圖像（圖1）。因病理診斷不明確，病理報(bào)告不清，排除1587例（7.8%）。在質(zhì)量控制評(píng)估后，178282張圖像中有21075張（11.8%）被丟棄，因?yàn)樗鼈兪琴|(zhì)量差的非內(nèi)窺鏡圖像，或者在解剖位置上與病理報(bào)告不一致。對(duì)于癌癥患者，僅包括癌癥病變的圖像（n=39462）被納入研究。對(duì)于沒(méi)有癌癥的參與者，117745張圖片被用作對(duì)照組（圖1）。對(duì)于前瞻性驗(yàn)證數(shù)據(jù)集，在2018年7月21日至2018年11月20日期間，在Sysucc前瞻性收集并標(biāo)記4317張癌癥圖像和62433張對(duì)照?qǐng)D像。
在其他五個(gè)參與醫(yī)院，在2018年7月21日和2018年11月20日之間，從粵北人民醫(yī)院獲得了2439張癌癥和73015張對(duì)照?qǐng)D像，從梧州紅十字醫(yī)院獲得5244張癌癥和197588張對(duì)照?qǐng)D像，從江西腫瘤醫(yī)院獲得9712張癌癥和112185張對(duì)照?qǐng)D像，從普寧市人民醫(yī)院獲得7095張癌癥和286095張對(duì)照?qǐng)D像，從揭陽(yáng)市人民醫(yī)院獲得4173張癌癥和114993張對(duì)照?qǐng)D像。
總體而言，來(lái)自84424個(gè)人的1036496張內(nèi)窺鏡圖像被用來(lái)開(kāi)發(fā)和測(cè)試GRAIDS。
上消化道腫瘤的患病率在訓(xùn)練組為50.2%（15040名患者中7557名），在內(nèi)部驗(yàn)證組為51.0%（1839名患者中938名），在內(nèi)部驗(yàn)證組為50.8%（1886名患者中959名），在前瞻性驗(yàn)證組為32.0%（1794名患者中574名）。江西腫瘤醫(yī)院外部驗(yàn)證組9.2%（8634例中794例），粵北人民醫(yī)院9.5%（4109患者中390例 ），梧州紅十字醫(yī)院4.8%（17239患者中830例），普寧市人民醫(yī)院3.8%（26143患者中993例），揭陽(yáng)市人民醫(yī)院7.2%（7686名患者中有552名）（表1）。上消化道腫瘤的詳細(xì)分期信息僅在前瞻性驗(yàn)證集可見(jiàn)。
在176個(gè)epochs（整個(gè)訓(xùn)練集的迭代）之后，由于兩個(gè)任務(wù)的準(zhǔn)確性和交叉熵?fù)p失以及第二個(gè)任務(wù)中IOU都沒(méi)有進(jìn)一步的提高，訓(xùn)練過(guò)程結(jié)束。GRAIDS對(duì)上消化道癌病變的預(yù)測(cè)區(qū)域與內(nèi)窺鏡醫(yī)師的標(biāo)記區(qū)域有高度一致性。在內(nèi)部驗(yàn)證集中，IOU中位數(shù)為0.737（IQR 0.579–0.848）。
GRAIDS在7個(gè)全部驗(yàn)證集中都準(zhǔn)確地識(shí)別了上消化道腫瘤患者（表2）。在內(nèi)部sysucc驗(yàn)證數(shù)據(jù)集中診斷準(zhǔn)確度為0.955（95%ci 0.952-0.957），在前瞻性sysucc驗(yàn)證數(shù)據(jù)集中0.927（0.925-0.929，）。外部驗(yàn)證集中準(zhǔn)確率分別為：江西腫瘤醫(yī)院0.915（95% CI 0.913-0.917），粵北人民醫(yī)院0.949（0.947-0.951）,梧州市紅十字會(huì)醫(yī)院0.977（0.977-0.978），普寧市人民醫(yī)院0.970（0.969-0.971），揭陽(yáng)市人民醫(yī)院0.947（0.946-0.948）。在各驗(yàn)證集中g(shù)raids的敏感性、特異性和npv均高于0.90。ppv的變化范圍為從粵北人民醫(yī)院的0.384（95%ci 0.372-0.396）到sysucc的0.889（0.878-0.899）（表2），但在所有驗(yàn)證數(shù)據(jù)集中，假陽(yáng)性的比例不到10%。在Sysucc的內(nèi)部驗(yàn)證隊(duì)列和前瞻性隊(duì)列中，最常見(jiàn)的假陽(yáng)性原因是正常的解剖結(jié)構(gòu)（賁門(mén)、幽門(mén)和角落）以及蠕動(dòng)期間胃壁的抬高。
同樣，在五個(gè)外部驗(yàn)證數(shù)據(jù)集中AUC值也較高（范圍從0.966 [0.965–0.967]到0.990 [0.990–0.991]；圖2）。
Graids和內(nèi)窺鏡醫(yī)師從前瞻性驗(yàn)證集中區(qū)分4532張圖像子集（1102張[24.3%]癌癥圖像和3430張[75.7%]對(duì)照?qǐng)D像）的測(cè)試結(jié)果如表3所示。GRAIDS對(duì)上消化道腫瘤的診斷準(zhǔn)確率為0.928（95%ci 0.919-0.937）。內(nèi)窺鏡檢查中，專家級(jí)內(nèi)窺鏡檢查的準(zhǔn)確度在0.967（95%ci 0.961-0.973；p<0.0001）顯著高于graids，而內(nèi)窺鏡普通醫(yī)師的準(zhǔn)確度為0.956（0.949-0.963；p<0.0001），內(nèi)窺鏡實(shí)習(xí)醫(yī)師的準(zhǔn)確度為0.886（0.875-0.897；p<0.0001）。三類不同級(jí)別醫(yī)師和GRAIDS的特異性均大于0.90。
相比之下，不同級(jí)別內(nèi)窺鏡醫(yī)師的靈敏度差異很大，GRAIDS的靈敏度與內(nèi)窺鏡專家相似（0.942 [95%ci 0.924-0.957]vs 0.945 [0.927-0.959]；p=0.692），明顯高于內(nèi)窺鏡普通醫(yī)師的靈敏度（0.858 [0.832-0.880]；p<0.0001）和實(shí)習(xí)醫(yī)師（0.722 [0.691-0.752]；p<0.0001）。
GRAIDS的ppv為0.814（95%ci 0.788-0.838），顯著低于內(nèi)鏡專家(0.932 [0.913–0.948]; p<0．0001) 以及內(nèi)鏡普通醫(yī)師(0.974 [0.960–0.984]; p<0．0001)。但與實(shí)習(xí)內(nèi)窺鏡醫(yī)師相似（0.824 [0.795–0.850]；p=0.580）。與GRAIDS聯(lián)合應(yīng)用時(shí)，專家、普通和實(shí)習(xí)內(nèi)鏡醫(yī)師的ppvs均顯著下降（0.793 [95%ci 0.768-0.818]、0.812 [0.786-0.835]、0.747 [0.720-0.772]，所有p<0.0001）。NPV均較高，分別為：GRAIDS 0.978 [95%ci 0.971-0.984]），內(nèi)窺鏡專家0.980 [0.974-0.985]， 內(nèi)窺鏡普通醫(yī)師0.951 [0.942-0.959]，內(nèi)窺鏡實(shí)習(xí)醫(yī)師0.904 [0.893-0.916]）及其組合（表3）。
然而，GRAIDS能夠識(shí)別大多數(shù)被內(nèi)窺鏡醫(yī)師錯(cuò)誤分類的癌癥圖像（內(nèi)窺鏡專家醫(yī)師61張中43張[70.5%]、內(nèi)窺鏡普通醫(yī)師157張中133張[84.7%]、內(nèi)窺鏡實(shí)習(xí)醫(yī)師306張中266張[86.9%]；圖3）。當(dāng)與GRAIDS結(jié)合使用時(shí)，專家的靈敏度明顯在數(shù)值上有所提高（0.984 [95% ci 0.973–0.991]，p<0.0001）。內(nèi)窺鏡普通醫(yī)師和內(nèi)窺鏡實(shí)習(xí)醫(yī)師的敏感度明顯提高，升至與專家相似的水平（內(nèi)窺鏡普通醫(yī)師0.978 [0.966-0.987]，P<0.0001；內(nèi)窺鏡實(shí)習(xí)醫(yī)師0.964 [0.949-0.975]，P<0.0001）。
我們開(kāi)發(fā)的GRAIDS算法能夠每秒分析多達(dá)118幅圖像（每張圖像8毫秒），并在進(jìn)行實(shí)時(shí)視頻分析時(shí)每秒處理至少25幅圖像，延遲小于40毫秒。
此外，我們開(kāi)發(fā)了一個(gè)計(jì)算機(jī)輔助檢測(cè)（CAD）系統(tǒng)，試圖實(shí)時(shí)識(shí)別上消化道癌性病變，用于常規(guī)內(nèi)鏡檢查。安裝CAD系統(tǒng)的計(jì)算機(jī)直接連接到內(nèi)窺鏡裝置上，從而允許在內(nèi)窺鏡檢查期間提供全自動(dòng)診斷協(xié)助。
圖S5B和視頻1-4展示了在內(nèi)鏡檢查期間實(shí)時(shí)識(shí)別癌變的CAD系統(tǒng)示例。如圖所示，當(dāng)GRAIDS識(shí)別出一個(gè)惡性病變時(shí)，CAD系統(tǒng)會(huì)分割病變的邊界，如藍(lán)色所示，并在屏幕右上角警告內(nèi)窺鏡醫(yī)師有可能出現(xiàn)惡性病變。當(dāng)病變從屏幕上消失時(shí)，分割和警告信號(hào)同時(shí)停止。
我們?yōu)樾枰舷纼?nèi)窺鏡檢查的患者構(gòu)建了一個(gè)基于云的多機(jī)構(gòu)人工智能平臺(tái)。該平臺(tái)提供了兩個(gè)關(guān)鍵的臨床應(yīng)用：第一，在內(nèi)鏡手術(shù)過(guò)程中實(shí)時(shí)檢測(cè)上消化道腫瘤，以幫助加速圖像檢測(cè)，并幫助提高惡性病變識(shí)別的準(zhǔn)確性。第二，存儲(chǔ)靜態(tài)圖像，以便在檢查后對(duì)可疑病例進(jìn)行重新評(píng)估，從而有助于降低誤診和漏診的惡性腫瘤的風(fēng)險(xiǎn)。
此外，我們還提供了一個(gè)網(wǎng)站，免費(fèi)訪問(wèn)GRAIDS。臨床醫(yī)生和患者可以上傳內(nèi)窺鏡圖像，GRAIDS進(jìn)行二次審查。網(wǎng)站上還提供了一個(gè)開(kāi)放存取的內(nèi)窺鏡圖像數(shù)據(jù)庫(kù)，這將是內(nèi)窺鏡醫(yī)師進(jìn)行培訓(xùn)以及內(nèi)窺鏡-人工智能輔助醫(yī)學(xué)成像領(lǐng)域研究人員的有用資源。
在這項(xiàng)研究中，我們使用一個(gè)深度學(xué)習(xí)語(yǔ)義分割模型來(lái)構(gòu)建一個(gè)基于人工智能的上消化道腫瘤診斷系統(tǒng)。該系統(tǒng)通過(guò)來(lái)自84424個(gè)人的1036496張內(nèi)鏡圖像進(jìn)行訓(xùn)練和驗(yàn)證。六家醫(yī)院中有不同數(shù)量的上消化道腫瘤患者接受內(nèi)鏡診斷。Graids在歷史存儲(chǔ)圖像和前瞻性圖像檢測(cè)上消化道腫瘤過(guò)程中均具有較高的的準(zhǔn)確性、敏感性和特異性。
上消化道腫瘤的內(nèi)鏡診斷是主觀性的，很大程度上依賴于醫(yī)生的技能和經(jīng)驗(yàn)。窄帶成像、共焦激光內(nèi)窺鏡檢查和藍(lán)色激光成像在鑒別癌性和非癌性病變之間具有潛力，但是由于光學(xué)圖像判讀所需的大量培訓(xùn)和專業(yè)知識(shí)，其臨床應(yīng)用受到了限制。
與此相反，GRAIDS不需要額外的培訓(xùn)，而且可以提高內(nèi)窺鏡非專家級(jí)別醫(yī)師的能力（普通醫(yī)師從0.858到0.978,實(shí)習(xí)生從0.722到0.964），使其提高到接近專家水平（0.967）。因此，對(duì)于中國(guó)或資源有限的發(fā)展中國(guó)家，在城鄉(xiāng)醫(yī)療資源分布不平衡的情況下，GRAIDS可以幫助彌補(bǔ)國(guó)家級(jí)醫(yī)院和初級(jí)保健醫(yī)院之間的癌癥診斷水平的差距。
GRAIDS的ppv低于專家和普通內(nèi)窺鏡醫(yī)師，GRAIDS與三種不同級(jí)別的內(nèi)窺鏡醫(yī)師結(jié)合可以降低ppv。在當(dāng)前的實(shí)時(shí)內(nèi)鏡檢查中，GRAIDS將檢測(cè)沒(méi)有由內(nèi)鏡專家醫(yī)師勾畫(huà)輪廓的可疑癌癥病變，這可能會(huì)進(jìn)一步增加假陽(yáng)性的風(fēng)險(xiǎn)。然而，GRAIDS假陽(yáng)性的主要原因是幽門(mén)、胃角、粘液等正常結(jié)構(gòu)或成分，以及蠕動(dòng)時(shí)胃壁的抬高的誤診。由于這些正常的結(jié)構(gòu)或改變很容易被內(nèi)窺鏡檢查者識(shí)別，因此在實(shí)踐中可以避免誤診。
因此，我們推測(cè)在實(shí)時(shí)內(nèi)窺鏡檢查中，內(nèi)窺鏡醫(yī)師使用GRAIDS進(jìn)行檢查時(shí)，假陽(yáng)性病例的比例將低于計(jì)算值。此外，因GRAIDS的敏感度高，可以降低漏診癌癥病變的風(fēng)險(xiǎn)，從而可以早期診斷癌癥，并且它還可以降低治療上消化道癌癥的高支出。
現(xiàn)有的上消化道內(nèi)鏡研究由于回顧性、小樣本量、單病種調(diào)查和同等級(jí)醫(yī)院的單一機(jī)構(gòu)研究等缺點(diǎn)而停滯不前。通過(guò)比較，GRAID是一個(gè)使用百萬(wàn)以上的圖像隊(duì)列進(jìn)行開(kāi)發(fā)和驗(yàn)證的，數(shù)據(jù)來(lái)自不同級(jí)別醫(yī)院，在六個(gè)回顧性驗(yàn)證集中顯示了檢測(cè)上消化道腫瘤的高準(zhǔn)確性（0.915–0.977）。這有力地表明了該系統(tǒng)在真實(shí)場(chǎng)景下的通用性。此外，小于40毫秒的成像延遲也使得它比現(xiàn)有的模型在圖像檢測(cè)方面更為有效（每秒118圖像vs 41×425和每秒48×926圖像）。
基于GRAIDS檢測(cè)上消化道腫瘤的準(zhǔn)確性和有效性，我們構(gòu)建了一個(gè)基于云的多機(jī)構(gòu)人工智能平臺(tái)，在內(nèi)鏡手術(shù)和術(shù)后成像檢測(cè)中提供快速準(zhǔn)確的實(shí)時(shí)幫助。
我們還建立了一個(gè)用戶友好型網(wǎng)站，為患者和臨床醫(yī)生提供免費(fèi)的遠(yuǎn)程醫(yī)療幫助，以加速內(nèi)窺鏡圖像的檢測(cè)。截至2017年7月19日，中國(guó)南方腫瘤聯(lián)盟（ccsca）成立，旨在消除國(guó)家級(jí)醫(yī)院與基層醫(yī)院在腫瘤管理方面的差距。
目前，GRAIDS正在sysucc及其篩查中心的內(nèi)鏡臨床工作流程中常規(guī)使用，并進(jìn)行實(shí)時(shí)評(píng)估，ccsca的其他合作醫(yī)院很快將實(shí)施GRAIDS，為人工智能輔助上消化道腫瘤篩查和診斷提供免費(fèi)通道。
盡管取得了這些顯著的成果，GRAIDS還有一些局限性值得強(qiáng)調(diào)。
首先，這項(xiàng)研究只使用白光圖像，因?yàn)檫@類圖像用于常規(guī)檢查和資源有限的地區(qū)。
其次，對(duì)訓(xùn)練集和外部驗(yàn)證集進(jìn)行回顧性標(biāo)注，這可能會(huì)導(dǎo)致一定程度的選擇偏差，但前瞻性驗(yàn)證集表明，這種限制可能并不突出。
第三，我們沒(méi)有使用特定的方法來(lái)處理來(lái)自同一視頻序列的不同位置的圖像，這可能會(huì)產(chǎn)生一些偏差。盡管如此，GRAIDS在參與醫(yī)院中顯示出令人滿意的準(zhǔn)確性，從而證明了該系統(tǒng)的普遍適用性。
第四，訓(xùn)練集和驗(yàn)證集中只采用高質(zhì)量?jī)?nèi)窺鏡圖像來(lái)研究GRAIDS的診斷效果。
第五，在臨床應(yīng)用中，GRAIDS通過(guò)一個(gè)大型中國(guó)隊(duì)列進(jìn)行訓(xùn)練和驗(yàn)證，但在其他人群中的療效尚待調(diào)查。
總之，我們開(kāi)發(fā)了一個(gè)基于人工智能的系統(tǒng)，該系統(tǒng)使用了來(lái)自不同層次醫(yī)院的多種內(nèi)鏡圖像，能夠?qū)ι舷腊┌Y進(jìn)行高準(zhǔn)確度的診斷，其靈敏度接近內(nèi)鏡專家醫(yī)師，優(yōu)于內(nèi)鏡普通醫(yī)師。GRAIDS可以輔助內(nèi)鏡非專家醫(yī)師，將其診斷準(zhǔn)確度提高到與專家接近的水平。此外，GRAIDS可以改進(jìn)上消化道腫瘤診斷與篩查的有效性。雷鋒網(wǎng)
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。
