人工智能系统在放射科医师之前发现肺癌

芝加哥 - 深度学习 - 一种人工智能 - 能够在低剂量胸部计算机断层扫描(LDCT)扫描中发现恶性肺结节，其性能达到或超过专业放射科医师的水平，谷歌和西北大学的一项新研究报道医学。

这种深度学习系统提供了一个自动图像评估系统，以提高早期肺癌诊断的准确性，可以导致早期治疗。深度学习系统与LDCT患者的放射科医师进行了比较，其中一些患者在一年内进行了活检确诊癌症。在大多数比较中，该模型在放射科医师处进行或更好。

深度学习是一种教导计算机通过实例学习的技术。如果在临床环境中使用，深度学习系统也产生更少的假阳性和更少的假阴性，这可以减少不必要的随访程序和更少的漏诊肿瘤。该论文将于5月20日在Nature Medicine上发表。

“放射科医师通常在一次CT扫描中检查数百个二维图像或”切片“，但这种新的机器学习系统以巨大的单一三维图像观察肺部，”该研究的共同作者Mozziyar Etemadi博士表示。西北大学Feinberg医学院麻醉学研究助理教授，McCormick工程学院工程学助理教授。“3D检测早期肺癌的能力比人眼检测二维图像要敏感得多。这在技术上是'4D'，因为它不仅仅是一次CT扫描，而是两次(当前随着时间的推移。

“为了建立人工智能以这种方式查看CT，你需要一个庞大的Google规模的计算机系统。这个概念很新颖，但由于规模的原因，它的实际工程也很新颖。”

Etemadi领导他的研究团队，同时也在西北大学进行麻醉学住院医师培训，作为独特的住院研究课程的一部分。

Etemadi的双重角色允许他的实验室研究遍及医疗保健和工程之间的技术和通信界限。他的实验室位于西北纪念医院的一个重症监护室内，以便工程师和护士，医生和其他护理提供者之间进行无缝沟通。

“这一研究领域非常重要，因为肺癌在所有癌症中的死亡率最高，而且广泛采用肺癌筛查的方式存在很多挑战，”谷歌技术负责人Shravya Shetty说。“我们的工作探讨了AI可用于提高准确性和优化筛选过程的方式，以有助于筛选计划的实施。结果很有希望，我们期待继续与合作伙伴和同行合作。”

肺癌是美国癌症相关死亡的最常见原因，导致2018年估计有160,000人死亡。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，高错误率和对这些筛查的有限访问意味着许多肺癌通常在晚期阶段被检测到，当它们难以治疗时。

深度学习系统利用主CT扫描和任何可用的来自患者的先前CT扫描作为输入。先前的CT扫描可用于预测肺癌恶性肿瘤的风险，因为可疑肺结节的生长速度可能是恶性肿瘤的指征。使用完全去识别的，活组织检查证实的低剂量胸部CT扫描训练计算机。

该新系统识别感兴趣的区域以及该区域是否具有高度肺癌的可能性。

当先前的CT成像不可用时，该模型的表现优于6位放射科医师，并且在先前成像时，放射科医师的表现也优于其他人。

“该系统可以更具特异性地对病变进行分类。我们不仅可以更好地诊断患有癌症的人，我们还可以说如果有人没有癌症，可能会使他们免于侵入性，昂贵且危险的肺活检，”Etemadi说。

谷歌科学家开发了深度学习模型，并将其应用于西北医学提供的6,716个去识别CT扫描集，以验证其新系统的准确性。科学家们发现人工智能驱动的系统能够发现有时非常小的恶性肺结节，模型AUC为0.94个测试用例。由于Etemadi团队设计的复杂，高度定制的软件，这些案例来自西北电子数据仓库以及其他西北医学数据源。

“我们作为临床医生使用的大部分软件都是为患者提供护理，而不是用于研究，”Etemadi说。“我整个团队花了一年多的时间专心致力于提取和准备数据，以帮助完成这个激动人心的项目。能够与Google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具有潜力的东西。每年成千上万的生命确实是一种特权。“