人工智能在乳腺癌领域五大应用

发布者:TranquilBreeze最新更新时间:2018-03-27 来源: 互联网关键字:智能医疗  人工智能 手机看文章 扫描二维码
随时随地手机看文章

随着世界排名第一的棋手柯洁于2017年5月27日在中国乌镇围棋峰会上以0:3输给了谷歌开发的人工智能系统AlphaGo,人工智能(arTIficial intelligence)再次引起了人们的关注。人工智能是指由人工制造出来的系统所表现出来的智能。人工智能的研究是高度技术性和专业性的,各分支领域都非常深入且各不相通,因而涉及范围极广。在医学领域,人工智能也发挥了重要作用,尤其是在肿瘤诊断、抗癌药物研发等方面。而人工智能在乳腺癌的诊断和治疗等领域的应用情况如何?目前有哪些新的进展?作为乳腺外科医师,笔者对近年来人工智能在乳腺癌领域的应用情况做了一次分类整理。


一、人工智能与乳腺癌的影像诊断


乳腺X线摄影、超声、MRI等影像技术已经成为乳腺癌检出、分期、疗效评估以及随访的重要手段。20世纪80年代,计算机辅助诊断(computer-aided diagnosis,CAD)技术随着计算机技术、数学算法和统计学的进步而在医学影像诊断方面有了快速发展。


CAD是指通过影像学、医学图像处理技术以及其他手段,对病变的特征进行量化分析处理并做出判断,辅助影像科医师发现并分析病灶,避免因临床医师经验及知识水平等主观因素的局限性带来的失误,从而提高诊断的准确率和效率CAD系统的工作流程大体上分为:数据预处理-图像分割-特征提取、选择和分类-识别-结果输出等几个过程。



根据算法功能和形式的类似性,机器学习一般包括支持向量机(support vectormachine,SVM)、模糊逻辑(fuzzy logic)、人工神经网络(arTIficialneural network,ANN)、K最近邻算法(K-nearest neighborsalgorithm)和随机森林(random forest)等不同类型的算法,各种算法具有不同的优势及局限性。


1998年,美国R2公司开发的ImageChecker乳腺CAD系统通过美国FDA批准上市,成为最早投入临床应用的CAD系统。乳腺CAD目前被广泛应用在X线摄影对乳腺癌的筛查上,相关研究主要集中在提高钙化灶和肿块检出的准确性方面,其中X线摄影对微钙化灶的检出率较高,而对肿块的检出率则会受到腺体密度的影响。


意大利学者Parmeggiani等开发出了用于改进识别乳腺X线摄影结果的人工神经网络专家系统(arTIficial neuralnetwork-expert system,ANN-ES),该系统能辅助放射科专家获得更高的乳腺癌确诊率。2016年,美国休斯敦卫理公会医院Stephen T.Wong和Jenny C.Chang团队开发自然语言处理(natural language processing,NLP)软件算法,该算法准确获得了543例乳腺癌患者乳腺X线摄影的关键特征,并与乳腺癌亚型进行了关联,其诊断速度是普通医师的30倍且准确率高达99%。


世界首台乳腺超声CAD设备B-CAD由加拿大Medipattern公司研制成功,并在2005年获得了FDA批准进入美国销售,其标准化的乳腺检查结果分级报告系统,增加了超声诊断的精确性,能辅助医师提高对乳腺癌的诊断率。Chabi等报道用于乳腺超声的CAD具有高度的敏感度,对于初级影像学医师提高对乳腺恶性肿瘤的诊断水平是有用的工具,但仍存在特异性较低的问题。近几年来,国内有高科技医疗器械公司也在涉足智能乳腺超声系统并开发出了相应产品,其应用价值尚待市场考验。


同样,CAD系统可以辅助乳腺MRI的视觉评估,并提供有用的附加信息。2003年,Comfirma公司推出了首款商用乳腺MRI-CAD软件CADstream,该软件是依据MRI增强扫描时,对病灶摄取对比剂的药代动力学参数进行分析,结合形态学参数,对病灶进行检出和定性,目前该软件仍广泛应用于MRI对乳腺癌的筛查。B ttcher等认为CAD系统对于MRI评估浸润性乳腺癌对新辅助化疗的反应具有高特异度(100%),但由于敏感度较低52.4%尚不能取代视觉成像评估。Song等发现,CAD系统对于MRI评估浸润性乳腺癌的多灶性具有明显优势,但对评估淋巴结的转移状态效果不佳。


二、人工智能与乳腺癌病理诊断


1、人工智能与乳腺癌淋巴结转移病理诊断


常规的乳腺癌病理诊断,是在组织经过固定、脱水、浸蜡、包埋等工序处理后,制成组织切片,染色后由病理医师通过阅片来分析病变特征,从而确定诊断结果。病理诊断也被称为诊断的“金标准”。乳腺癌前哨淋巴结的评估对于乳腺癌患者的TNM分期以及临床处理如是否进行腋窝淋巴结清扫等都具有极其重要的意义,而人工进行前哨淋巴结病理学检查较为费时费力,而且在转移灶很小的情况下,得出正确的诊断就更为困难。人工智能在乳腺癌淋巴结病理诊断中涉及的一般是最后的阅片环节。与前面提到的CAD辅助乳腺癌影像诊断类似,人工智能通过特定的算法,对病理图片进行智能处理,通过训练和对算法的优化,以实现开发出高精度、高效率的病理识别算法模型的目标。


2017年3月,来自谷歌大脑(Google Brain)、谷歌公司与Verily生命科学(Verily Life Science)的科学家们利用卷积神经网络(convoluTIonal neural network)架构的人工智能技术,对130张病理切片进行乳腺癌淋巴结转移病灶检测。在正式测试前,科学家们预先提供了许多肿瘤组织与正常组织的病理切片,并将这些切片图像分割成了数万至数十万个128×128像素的小区域,供人工智能学习。同时,一名人类病理学家花了30h进行了同样的检测。结果人工智能达到了88.5%的准确率而病理学家的准确率仅有73.3%。


谷歌并非唯一一家致力于将人工智能技术应用于乳腺癌病理图像分析以提高诊断效率的科技公司。2016年6月,在国际生物医学影像研讨会上,来自贝斯以色列女执事医疗中心(BethIsrael Deaconess Medical Center,BIDMC)和哈佛医学院的研究小组开发研究出一种基于深度学习的人工智能技术,将病理学家的分析与人工智能自动计算诊断方法相结合后,对乳腺癌前哨淋巴结转移诊断的准确率提高到了99.5%。随后Andrew Beck博士成立了一个名为Path人工智能的诊断技术公司,旨在开发和应用人工智能技术,帮助病理学家更快、更准确地得出诊断。2017年3月荷兰跨国电子公司飞利浦(Philips)宣布与该公司合作。DeepCare是中国一家将人工智能和深度学习技术用于医疗影像的识别和筛查的科技公司。据文献报道,在2016年其开发的人工智能算法对乳腺癌淋巴结转移的病理切片诊断敏感度已高达92.5%。


2、人工智能技术与乳腺癌针吸细胞学(fine needleaspiration cytology,FNAC)病理诊断


FNAC是乳腺癌重要的早期诊断方式之一,人工智能技术在提高细针穿刺抽吸(fine needle aspiration,FNA的)诊断准确性方面亦能发挥作用。Fiuzy等报道在整合使用了进化算法(evolutionary algorithm,EA)、遗传算法(geneticalgorithm,GA)、精确分类系统(fuzzy C-means,FCM)以及ANN等人工智能技术的基础上开发出的新算法,对205例乳腺癌FNA检测样本实现了高达96.58%的诊断准确率。Subbaiah等在Neurointelligence软件的帮助下,建立了ANN模型,该模型准确识别出了用于检测的全部52例乳腺纤维腺瘤和60例乳腺浸润性导管癌的FNAC样本。


从上述结果来看,人工智能对于乳腺癌特别是淋巴结转移癌的病理诊断水平远胜人类,那是不是意味着在影像学及病理学方面,人工智能可以完全替代人类专家了呢?谷歌技术主管MartinStumpe指出,相比人类病理学家,人工智能仍缺少丰富的知识和经验,会出现假阳性的误判,而且不能像人类专家一样检测出如炎症等还没有训练过的异常分类。就目前而言为得到最佳的临床诊断效果、提高病理医师诊断的一致性,将这些人工智能技术作为病理学家的辅助工具,融入到其临床工作中去,可能是一个可行的方法。尽管“从实验室到临床”尚有距离,笔者认为这种两者结合的过程可能迅速得以实现。


三、人工智能辅助抗乳腺癌药物研发


创立于2008年的美国生物制药公司Berg Health开发出了一个人工智能平台,用于快速筛选包括胰腺癌、膀胱癌和脑癌等患者组织样本,分析相应的基因组信息和生物分子代谢途径的差距,以寻找潜在的药物靶点。这种以数据作为起点并利用数据生成一系列假定靶点及对应药物的方法,与常规药物研发包含大量试错过程的模式是恰好相反的,预计能够大幅度降低新药研发成本。2016年10月,美国国防部宣布征募该公司,拟通过分析来自8000例乳腺癌患者的1.36万个组织样本,建立具有数万亿个数据点的健康和病变组织模型,利用人工智能技术分析这些模型中分子特征的模式,以识别出未知的乳腺癌亚型,并开发出更有针对性的乳腺癌新药。


与前例不同,了解肿瘤产生耐药性的机制可能是研发新的抗肿瘤药物的另一种思路。2016年11月,IBM公司与麻省理工学院及哈佛大学布罗德研究所合作,发起了一项投资5000万美元、为期5年的癌症基因组计划,通过获取并分析约1万例癌症患者的肿瘤基因组数据,以帮助人类更好地理解癌症耐药的分子机制,预测哪些肿瘤可能会对哪些药物产生耐药性,旨在研发能克服耐药的新一代抗癌药物。


四、以超级人工智能计算平台为背景的医疗辅助工具


前面提到的IBM公司的Watson人工智能平台,融合了包括信息分析、自然语言处理和机器学习领域在内的大量技术创新,IBM将其技术潜力应用到商业,在医疗领域与纪念斯隆-凯特琳癌症中心联合开发推出了Watson肿瘤解决方案(Watson for Oncology,WFO)旨在帮助医师为患者提供更好的个性化肿瘤治疗方案。2016年12月9日在美国圣安东尼奥乳腺癌会议上,Somashekhar等报道采用双盲法对比WFO与印度Manipal医院的多学科诊疗团队对638例不同分期乳腺癌患者给出的治疗建议之后,发现WFO在标准推荐治疗和供参考2种意见上与印度肿瘤多学科专家团队的符合率达到73%,但在耗时方面,人类专家平均需要20min,而WFO从提取分析数据到给出治疗建议,平均仅耗时40s。IBM提供的资料显示,WFO可以在17s内,阅3469本医学专著,24.8万篇论文,69种治疗方案,61540次实验数据,10.6万份临床报告,并根据医师输入的患者指标信息,最终提出优选的个性化治疗方案。到目前为止WFO已汲取了包括NCCN发布的临床指南、300多种医学期刊、200多种教科书在内的海量医学信息。


目前,WFO在全球7个国家(中国、美国、韩国、泰国、新加坡、印度、荷兰)落地并服务了近万例患者。早在2016年8月,WFO就进入了中国医疗领域,IBM与中国北京、上海、广州、浙江、福建、云南等省市的21家医院达成了关于Watson肿瘤解决方案的合作意向目前一些医院已经开始了“Waston联合会诊中心”的试运行,为医师提供最新治疗动态、帮助医患选择最佳治疗方案并协助培养年轻医师,主要服务对象为乳腺癌和肺癌患者。


五、人工智能的其他应用


2012年,韩国学者报道了一种基于SVM的预测模型,用于预测韩国人群乳腺癌患者手术后5年内乳腺癌复发情况。2015年法国学者开发了一种基于模糊逻辑选择的方法,用人工智能筛选乳腺癌的基因特征,成功地运用于乳腺癌的病理学分级以判断患者的预后。美国生物传感器公司Cyrcadia Health开发出个性化可穿戴智能内衣iTbra,可通过检测乳腺组织中微小的温度变化,用机器学习算法和人工智能识别程序进行早期乳腺癌检查,目前该产品仍处于测试阶段。以上资讯是对当前全球范围内人工智能在乳腺癌相关各领域应用的大致梳理。笔者认为:


(1)从目前的临床应用来看,人工智能获得较好应用的是医学影像学和病理学领域,这2个领域的工作内容恰巧是乳腺癌诊断中重要的部分,相信在不久的将来,在这2个领域人工智能还会发挥更加强大的作用。


(2)人工智能辅助临床医师为患者提供诊疗方案,对于提高医师的诊断准确率和效率、提高医院竞争力可能有一定的积极作用,但临床医疗行为具有极其鲜明的人文特质,人工智能无法替代医师对患者进行交流与安慰,尊重患者隐私以及对患者隐私的保护也是一个潜在的问题。而且,对于人工智能诊疗费用的定价、人工智能与患者医疗保险的关系、医疗数据如何依法依规地开放、人工智能出现医疗纠纷时应承担的法律责任等基本问题,都尚待官方指导意见出台。


(3)目前人工智能尚处于“弱人工智能”阶段。笔者认为,距离全面融入临床医师日常工作、全球范围大规模使用、切实缩小不同地区间医疗水平差距等目标尚有很长的路要走。尽管如此,医学从来都是技术驱动型的领域,未来技术的发展定会沿着人工智能辅助-小部分取代-大部分取代-“颠覆”或者说“解放”医师的路线前行。正如现在AlphaGo可以完胜人类所有围棋高手一样,可以大胆设想,在“强人工智能”阶段,兼具(诊疗)全方位、全自动、全学科于一体的医疗机器人也会全方位超过普通医师。就像电影《普罗米修斯》中,那一台能自动给患者进行剖腹手术的全自动手术机器人,一定会被发明出来,只是时间问题。


(4)当前,人工智能产业在医学领域正迎来爆发式增长,而中国在人工智能领域仍处于起步阶段,医学领域的原创性关键技术创新较少。中国政府对于人工智能的发展高度关注。国务院总理李克强2017年所做《政府工作报告》中首次提及了“人工智能”,强调要加快中国人工智能技术的研发和转化。基于中国海量的患者群体国内的人工智能技术和资本应积极投入医学领域,造福中国的患者和医师。对乳腺外科医师而言,突然出现超级计算机医师来拯救乳腺癌患者虽然是不太可能的,但笔者相信一定会有越来越多的乳腺癌患者和医师能够间接或直接从人工智能的巨大进步中获益。

关键字:智能医疗  人工智能 引用地址:人工智能在乳腺癌领域五大应用

上一篇:最新版本“人体芯片”装置 能够容纳多达10种人造“人类器
下一篇:国际巨头掘金中国医疗装备市场 商机你看到多少?

推荐阅读最新更新时间:2024-03-16 12:13

工信部部长苗圩:人工智能是引领未来的战略性技术突破
近日,国新办就2017年工业通信业发展情况举行发布会。 工信部 部长苗圩、副部长辛国斌和总工程师张峰等出席。 苗圩指出, 人工智能 现在是全球热门话题,中国也不例外。他认为,人工智能是引领未来的发展战略性的技术突破。在人工智能的应用上,已开始逐步的显现,比如讲话时,会实时将中英文字幕全部打在大屏幕下端,且准确率高达98%甚至99%,再如新一代智能手机的刷脸系统等。 苗圩认为,人工智能离我们已经不远,下一步将着力规范和推动人工智能行业的发展,按照促进新一代人工智能健康发展三年行动计划部署,利用现有的资源和手段,务实的推动人工智能和实体经济特别是制造业的融合。包括四个方面: 一是进一步加大研发力度,特别是在智能网联汽车方面、智能
[嵌入式]
“所有一切都将被人工智能控制”,“安卓之父”为啥这么
人工智能 现在已经可以帮你做饭、在手机上与你聊天、在游戏中击败你。但在彭博社在洛杉矶举办的科技大会上,“安卓之父”安迪·鲁宾(Andy Rubin)认为,将来的人工智能将更加强大,甚至会控制地球上的所有 联网设备 。   鲁宾认为,量子计算与人工智能优势相结合可能会产生有意识的智慧,可以控制所有联网设备。他说:“如果你的计算设备足够强大,你可能只需要一个。它可能不是你现在随身携带的任何设备,它肯定有了自己的意识。”     鲁宾表示,他的投资基金Playground Global已经投资3亿美元,资助那些研发有意识人工智能的企业,包括一家量子计算公司,但他没有透露名字。这家公司由许多研究人员组成,他们希望将来
[嵌入式]
PC绘图芯片股价大涨 NVIDIA重金猛攻AI战场
2016年全年股价大涨223.85%,涨幅居标准普尔500指数成分股之冠,且2017会计年度前3季(截至2016年10月30日止)获利表现更已超越2016年同期的NVIDIA,近期大秀强攻人工智能(AI)等新领域成果。然市场认为,NVIDIA展现在深度学习、自动驾驶等新事业展现强大企图心,前景一片光明,但进一步观察,目前助其在研发银弹上无后顾之忧的最大关键仍来自于PC游戏与专业GPU获利贡献,亦是获利创新高主因,一旦对手超微(AMD)元气恢复,而新事业仍未能挹注获利下,2017年业绩下滑变数仍不小。 受惠对手陷入营运低潮,加上电竞游戏热潮大升,在电竞NB与DT绘图卡市场占有大宗版图的NVIDIA,近年业绩火红,2016年会计年
[手机便携]
Google展示AI新实力:让神经网络设计神经网络
炸了!2017 Google I/O开发者大会北京时间昨晚召开,Google带来一整晚密集的信息发布,也再次彰显了Google在人工智能方面的实力。 从移动优先转变为AI优先的Google,在I/O大会的首日几乎所有话题都跟人工智能有关,量子位也对重点内容进行梳理如下。 核心要点: 第二代TPU发布,以及TPU研究云 为移动设备优化的TensorFlow Lite AutoML强化算法,让神经网络设计神经网络 Google.ai上线,所有AI成果都在这里展示 相关数据: 月活安卓设备已达20亿部 5亿活跃的Google相册用户 Google地图每日导航超过10亿公里 人们每天观看10亿小时YouTube视频 以
[安防电子]
出门问问发布中国首款量产AI语音芯片模组“问芯”
近日,人工智能科技公司出门问问在2018战略新品发布会上正式推出包括智能音箱、耳机、手表等多款AI硬件新品,以及AI语音芯片模组“问芯”,这是我国目前市场上首款已实现量产的AI语音芯片模组。 据了解,该AI芯片模组研发历时两年,出门问问和杭州国芯科技合作,后者在NPU、DSP等最新技术的多核异构设计,以及软硬件结合上具有深厚积累,曾推出过首款集成NPU的AI芯片。 该款芯片模组集成了出门问问的麦克风阵列信号处理技术,语音交互SDK与可定制语义技能,其中包括了回声消除、声源定位、波束成形、语音降噪、语音唤醒、语音识别、语义理解与语音合成等自有AI语音交互核心技术;杭州国芯科技的AI芯片,其中包含数字信号处理器DSP、神
[半导体设计/制造]
人工智能会给职业运动带来多大的影响?
2018俄罗斯世界杯足球赛期间,国际足联首次在足球赛事中引入视频助理裁判系统(VAR)。   想象一下,人工智能会给职业运动带来多大的影响。运动队通过花费大量时间和精力收集、整理比赛的历史数据,从而找到能够更好地赢得比赛的钥匙。人工智能还可以帮助运动队发现人才、为训练运动员提供指导、与球迷互动、做辅助裁判……一个更加智能的体育赛事时代,正在逐渐走近。   人工智能教练显神通 最近,有一条新闻引起关注:英国拉夫堡大学的研究人员和切尔西足球俱乐部联合开发了一套AI(人工智能)教练和球探系统,通过收集、分析球员近几个赛季的数据建模并科学训练球员。   研究人员预计,未来两年内AI有可能会取代一部分原本属于教练员的工作。   体育的魅
[嵌入式]
医疗界的福音,英特尔全新人工智能成像解决方案
英特尔正与GE医疗集团*联手交付可应用于多种医疗影像格式的人工智能解决方案,以帮助排定病患护理优先顺序并简化护理流程。GE医疗集团利用英特尔®OpenVINO™工具包(在基于X射线系统的英特尔处理器上运行),加快即时诊断医疗成像深度学习。使用该系统后,X射线技术专家、重症护理团队和放射科医生可立即获得检测结果,从而进行进一步诊断。 “早期测试表明,通过在英特尔处理器上运行的OpenVINO工具包,GE医疗集团的深度学习优化速度提高到了原来的3.3倍,这有助于及早排定重症病情接诊优先顺序并升级流程,从而确保患者得到更快的治疗。英特尔技术帮助GE医疗集团在多种医学影像模式中广泛应用人工智能解决方案,革新放射科医生的工作流程和病患护
[物联网]
一文读懂工业4.0时代的人工智能
大约在二百年前,工业革命使机械在人类社会中无处不在。今天 工业4.0 的革命正在进行,它的发展为我们带来了人工智能。那今天让我们一起来了解下这个新物种的起源和它的未来之路。   对于非专业人士来说,人工智能(AI,Artificial Intelligence)发展几十年,几乎看不到什么显著变化,虽然偶尔也有比如IBM深蓝电脑战胜人类棋手、会说话的机器人等新闻传出,但人工智能更多只能解决一些“玩具问题”,或生存在实验室条件下,离我们的日常生活一直十分遥远。   然而,2016年,谷歌的阿尔法狗(AlphaGo)让世界围棋冠军李世石投子认输的那一刻起,人工智能成为了科技界、工业界、投资界乃至公众间的热门话题,热到甚至被写入了我国“十
[嵌入式]
小广播
添点儿料...
无论热点新闻、行业分析、技术干货……
最新医疗电子文章
换一换 更多 相关热搜器件

About Us 关于我们 客户服务 联系方式 器件索引 网站地图 最新更新 手机版

站点相关: 医学成像 家庭消费 监护/遥测 植入式器材 临床设备 通用技术/产品 其他技术 综合资讯

词云: 1 2 3 4 5 6 7 8 9 10

北京市海淀区中关村大街18号B座15层1530室 电话:(010)82350740 邮编:100190

电子工程世界版权所有 京B2-20211791 京ICP备10001474号-1 电信业务审批[2006]字第258号函 京公网安备 11010802033920号 Copyright © 2005-2024 EEWORLD.com.cn, Inc. All rights reserved