首页 > 最新资讯 > 发掘影像背后的秘密:AI助力及时发现处于潜伏期的胰腺癌症状
发掘影像背后的秘密:AI助力及时发现处于潜伏期的胰腺癌症状

发掘影像背后的秘密:AI助力及时发现处于潜伏期的胰腺癌症状

2018-05-21 18:13


Elliot Fishman博士是约翰·霍普金斯医院(世界上最大的胰腺癌治疗中心之一)的放射诊断医师。他的工作是通过CT扫描影像发现胰腺癌,但疾病发现之时却通常已处于较晚期而无法治愈。

因为胰腺癌症状很少在早期阶段显现出来,所以在癌症扩散之前,大多数病患并未进行CT扫描或其他检查。癌症扩散之后,患者存活的几率非常低:五年存活率只有7%,这一几率在所有癌症中是最低的。

“我们的目标是在早期检测出胰腺癌,从而挽救生命。”Fishman说道。

Fishman计划应用GPU加速的深度学习发现胰腺癌,将比仅靠人力更早发现癌症症状。他协助牵头约翰·霍普金斯医院的Felix项目,该项目获得卢斯特加登基金会(Lustgarten Foundation)的数百万美元资助,旨在提高医生检测病灶的能力。

Pancreatic cancer that has invaded the vessels, meaning it\
以上动图记录了胰腺周围已入侵血管(图片中心的树枝状结构)的胰腺癌。这表示该疾病已经处于较晚期,动手术已经无法治愈。由约翰·霍普金斯医院的Elliot Fishman博士提供。

深度学习助力发现潜伏期绝症

胰腺是位于胃后面的六英寸长的器官,其在将食物转化为供给身体细胞的养分的过程中发挥着重要作用。胰腺的位置在腹部深处,所以医生在常规检查中很难察觉到它,而且使用CT扫描等影像学检查也很难检测到肿瘤。

一些像Fishman这样的放射科医师每年会见到数千例胰腺癌病例。但其他医师缺乏发现这种疾病的经验,在病灶(器官和组织异常情况)最小的早期阶段尤其如此。

“如果病患做了扫描检查但未能确诊,我们还能做些什么?”Fishman在最近GPU技术大会上的一次演讲中发问道。“我们相信深度学习会有所帮助。”

约翰·霍普金斯医院非常适合开发深度学习解决方案,因为它有胰腺癌相关的海量数据,这些数据可以教计算机通过CT扫描检测这种疾病。医院还为研究人员配备NVIDIA DGX-1 AI超级计算机,这是进行深度学习研究的必要工具。

 The pancreas, a fish-shaped organ, is pictured here in golden brown, above the kidneys and below the spleen. The dark circle at the center of the image is a tumor. Image courtesy of Dr. Elliot Fishman, Johns Hopkins Hospital.
在上图中,位于肾脏上方和脾脏下方的金黄色鱼形器官就是胰腺。图片中央颜色较暗的圈就是肿瘤。图片由约翰·霍普金斯医院的Elliot Fishman博士提供。

更准确地检测胰腺癌

Fishman与由计算机科学家、肿瘤学家、病理学家和其他医师组成的团队合作,帮助训练深度学习算法,以发现胰腺以及附近器官组织的微小结构变化。这些变化通常正是癌症的先兆。

该团队使用了大约2000幅CT扫描影像(包括800幅胰腺癌确诊病患的影像)来训练其算法。然而这并非易事。尽管约翰·霍普金斯医院拥有足够的数据,但仍需要标记影像来指出对确定胰腺状态比较重要的关键特征。每个病例大约耗时四小时,这是一项艰巨的任务。

在项目第一年,该团队训练的算法识别胰腺及其周围器官的准确率达到了70%。在今年的测试中,深度学习模型检测胰腺癌的准确率已达到约90%。

早期诊断成为可能

现在,该团队正在研究未能检测出癌症的情况,以改进算法。除了识别肿瘤细胞之外,该团队还致力于预测可能的存活率以及患者是否适合手术。

解决这一问题迫在眉睫,因为尽管目前胰腺癌依然少见,但患者人数呈上升趋势。就在不久之前,胰腺癌还是美国癌症死亡的第四大诱因,而今天它已经排名第3。此外,只有不到五分之一的病患在报告时符合手术条件(手术是治疗这种疾病的主要方法)。

对于Fishman而言,深度学习检测方法意味着能尽早做出诊断。他估计,在自己见到的病例中有接近三分之一能够提前4到12个月检测出这种疾病。

“我们希望将计算机训练成为世界上最出色的放射科医师。”Fishman说,“我们希望能够有所作为。”

如需详细了解Fishman的研究,可观看他的GTC演讲,即The Early Detection of Pancreatic Cancer Using Deep Learning: Preliminary Observations