近日，瑞典研究團(tuán)隊(duì)發(fā)表在《柳葉刀腫瘤》雜志上前列腺癌AI輔助診斷研究論文正式公布。

科研人員發(fā)現(xiàn)，AI能夠準(zhǔn)確從活檢中檢測(cè)出前列腺癌，從而有可能加快診斷速度并降低醫(yī)療服務(wù)成本。

當(dāng)前，全球各地前列腺活檢人數(shù)的增加與泌尿病理學(xué)家的短缺，為病理科帶來(lái)了巨大壓力。此外，前列腺癌的高變異性也導(dǎo)致其高頻出現(xiàn)過(guò)度治療和治療不足的情況。

為了緩解這些問(wèn)題，瑞典研究團(tuán)隊(duì)開發(fā)了一種具有臨床上可接受準(zhǔn)確性的人工智能系統(tǒng)，用于前列腺癌的檢測(cè)、定位和格里森分級(jí)（Gleason分級(jí)是一種被廣泛采用的前列腺癌組織學(xué)分級(jí)的方法）。

據(jù)文章介紹，AI系統(tǒng)可以接受訓(xùn)練以檢出前列腺穿刺活檢樣本中的癌癥并對(duì)其進(jìn)行分級(jí)，在部分?jǐn)?shù)據(jù)集上的特定問(wèn)題診斷表現(xiàn)上優(yōu)秀。

研究指出，人工智能技術(shù)的使用，可以通過(guò)減少對(duì)良性活檢的評(píng)估，并通過(guò)自動(dòng)化在陽(yáng)性活組織檢查核心中測(cè)量癌癥長(zhǎng)度的任務(wù)，以及提供第二種意見(jiàn)，來(lái)減輕腫瘤學(xué)家的工作量。

卡羅林斯卡大學(xué)醫(yī)學(xué)流行病學(xué)系副教授Martin Eklund表示：“我們的AI工具可在某種程度上減少泌尿科病理學(xué)家的工作量，使他們能夠?qū)Ｗ⒂谧罾щy的病例?！?br/>

在2012年5月至2014年12月之間進(jìn)行的基于瑞典前瞻性和人群的STHLM3診斷研究中，瑞典研究團(tuán)隊(duì)從976名隨機(jī)選擇的年齡在50-69歲的參與者中數(shù)字化了6682張針核活檢切片，并從93名研究外的男性中數(shù)字化了271張切片。

隨后圖像被用來(lái)訓(xùn)練用于評(píng)估前列腺活檢的深層神經(jīng)網(wǎng)絡(luò)。

通過(guò)預(yù)測(cè)來(lái)自STHLM3的246名男性1631例活檢，以及來(lái)自73名男性330例活檢的外部驗(yàn)證數(shù)據(jù)集，獨(dú)立測(cè)試數(shù)據(jù)集的惡性組織存在、程度和Gleason分級(jí)，對(duì)這些網(wǎng)絡(luò)進(jìn)行了評(píng)估。此外還評(píng)估了來(lái)自國(guó)際泌尿病理學(xué)會(huì)23名經(jīng)驗(yàn)豐富的泌尿病理學(xué)家對(duì)87例活檢的分級(jí)表現(xiàn)。通過(guò)受試者的工作特征和腫瘤范圍預(yù)測(cè)，將預(yù)測(cè)的腫瘤長(zhǎng)度與報(bào)告的病理學(xué)家的測(cè)量值相關(guān)聯(lián)，來(lái)評(píng)估鑒別性能，并使用Cohen’s kappa對(duì)AI系統(tǒng)和泌尿病理學(xué)專家的評(píng)分一致性進(jìn)行了量化。

其結(jié)果是，AI在接收器工作特性曲線下獲得了一個(gè)區(qū)域，該區(qū)域在0·997（95％CI 0·994–0·999）下可以區(qū)分獨(dú)立測(cè)試數(shù)據(jù)集上的良性（n = 910）和惡性（n = 721）活檢核心和外部驗(yàn)證數(shù)據(jù)集上的0·986（0·972-0·996）（良性n = 108，惡性n = 222）。

由AI預(yù)測(cè)并由報(bào)告病理學(xué)家指定癌癥長(zhǎng)度之間的相關(guān)性對(duì)于獨(dú)立測(cè)試數(shù)據(jù)集為0·96（95％CI 0·95-0·97），對(duì)于獨(dú)立測(cè)試數(shù)據(jù)集為0·87（0·84-0·90）。外部驗(yàn)證數(shù)據(jù)集，對(duì)于Gleason等級(jí)，AI的平均成對(duì)kappa為0·62，這在專家病理學(xué)家的相應(yīng)值范圍內(nèi)（0·60-0·73）。

瑞典團(tuán)隊(duì)介紹到，從上述數(shù)據(jù)可以看出，用AI系統(tǒng)來(lái)檢測(cè)和分級(jí)前列腺穿刺活檢樣品中的癌癥，在部分場(chǎng)景中其等級(jí)可與前列腺病理學(xué)專家相媲美。

臨床應(yīng)用可以通過(guò)減少對(duì)良性活組織檢查的評(píng)估，以及自動(dòng)化在陽(yáng)性活檢核心中測(cè)量癌癥長(zhǎng)度的任務(wù)來(lái)減少病理學(xué)工作量。具有專家級(jí)評(píng)分性能的AI系統(tǒng)可能會(huì)產(chǎn)生第二種輔助決策意見(jiàn)，有助于標(biāo)準(zhǔn)化評(píng)分，并在世界部分地區(qū)提供病理學(xué)專業(yè)知識(shí)。

該研究也是近期繼Google乳腺癌AI論文之后，學(xué)術(shù)界發(fā)表的第二個(gè)重要的醫(yī)學(xué)AI成果。

1月2日，Google Health聯(lián)合多個(gè)機(jī)構(gòu)在《Nature》雜志上發(fā)表了一篇論文，介紹了一種新型的深度學(xué)習(xí)鉬靶影像系統(tǒng)。根據(jù)Google的說(shuō)法，這個(gè)系統(tǒng)與之前的模型相比，該模型有效減少了乳腺癌被錯(cuò)誤識(shí)別或遺漏的情況，將乳腺癌檢測(cè)的假陽(yáng)性率降低了5.7%，假陰性率也降低了9.4%，并號(hào)稱擊敗了6名全日制的放射科醫(yī)生。

Google對(duì)該成果過(guò)于夸大的公關(guān)措辭，隨之引來(lái)了圖靈獎(jiǎng)得主Yann Lecun以及中美多位知名學(xué)者在社交媒體上的炮轟。雷鋒網(wǎng)雷鋒網(wǎng)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。