《電子技術(shù)應(yīng)用》
您所在的位置:首頁 > MEMS|傳感技術(shù) > 業(yè)界動(dòng)態(tài) > 斯坦福團(tuán)隊(duì)發(fā)布AI最新成果:幫助檢測腦動(dòng)脈瘤

斯坦福團(tuán)隊(duì)發(fā)布AI最新成果:幫助檢測腦動(dòng)脈瘤

2019-06-10
關(guān)鍵詞: 腦動(dòng)脈瘤 AI HeadXNet

  北京時(shí)間6月8日,斯坦福大學(xué)官網(wǎng)發(fā)布了吳恩達(dá)團(tuán)隊(duì)的一項(xiàng)最新成果:放射科醫(yī)師借助人工智能算法改進(jìn)了腦動(dòng)脈瘤的診斷——腦動(dòng)脈瘤是大腦血管中的隆起物,可能會(huì)滲漏或破裂,,可能導(dǎo)致中風(fēng),、腦損傷或死亡。

  這項(xiàng)成果發(fā)表在了JAMA Network Open上。斯坦福大學(xué)統(tǒng)計(jì)學(xué)研究生、該論文的聯(lián)合第一作者Allison Park說,“人們對(duì)機(jī)器學(xué)習(xí)在醫(yī)學(xué)領(lǐng)域的實(shí)際作用有很多擔(dān)憂,。這項(xiàng)研究顯示了人類如何在人工智能工具的幫助下參與診斷過程?!?/p>

  該工具圍繞一種名為HeadXNet的算法構(gòu)建,,可以提高臨床醫(yī)生正確識(shí)別動(dòng)脈瘤的能力,其水平相當(dāng)于在包含動(dòng)脈瘤的100次掃描中發(fā)現(xiàn)另外六個(gè)動(dòng)脈瘤,,除此之外,,它還能提高臨床口譯醫(yī)生的共識(shí)。

5cfcd72714481-thumb.gif

  在腦部掃描中,,HeadXNet使用透明的紅色高光指示動(dòng)脈瘤的位置,。(圖片來源:Allison Park)

  雖然HeadXNet在這些實(shí)驗(yàn)中取得的成功很有價(jià)值,,但研究團(tuán)隊(duì)提醒說,需要進(jìn)一步調(diào)查,,以便在實(shí)際臨床部署之前評(píng)估AI工具的魯棒性,,因?yàn)椴煌t(yī)院擁有不同的設(shè)備硬件和成像協(xié)議,研究人員計(jì)劃通過多中心合作解決這些問題,。

  醫(yī)師在AI幫助下降低了漏診率

  對(duì)腦部掃描結(jié)果進(jìn)行梳理,、尋找動(dòng)脈瘤意味著要瀏覽數(shù)百幅圖像。動(dòng)脈瘤有多種大小和形狀,,并以不同的角度向外膨脹——有些動(dòng)脈瘤在一系列類似電影的圖像中不過是一個(gè)光點(diǎn),。

  “尋找動(dòng)脈瘤是放射科醫(yī)生最費(fèi)力、最關(guān)鍵的任務(wù)之一,,”放射學(xué)副教授,、該論文的聯(lián)合高級(jí)作者Kristen Yeom說,“考慮到復(fù)雜的神經(jīng)血管解剖結(jié)構(gòu)所帶來的固有挑戰(zhàn),,以及遺漏動(dòng)脈瘤可能導(dǎo)致的致命后果,,這促使我將計(jì)算機(jī)科學(xué)和視覺的進(jìn)步成果應(yīng)用于神經(jīng)成像?!?/p>

  Yeom將這個(gè)想法帶到了斯坦福機(jī)器學(xué)習(xí)小組運(yùn)行的AI for Healthcare Bootcamp,,該小組由計(jì)算機(jī)科學(xué)副教授兼該論文的共同高級(jí)作者Andrew Ng(吳恩達(dá))領(lǐng)導(dǎo)。小組的核心挑戰(zhàn)是創(chuàng)建一種人工智能工具,,可以準(zhǔn)確地處理這些大量的3D圖像并補(bǔ)充臨床診斷實(shí)踐。

5cfcd724a8c7e-thumb.jpg

  HeadXNet團(tuán)隊(duì)成員從左到右分別是:Andrew Ng,,Kristen Yeom,,Christopher Chute,Pranav Rajpurkar和Allison Park(圖片來源:LA Cicero)

  為了訓(xùn)練他們的算法,,Yeom與Park和計(jì)算機(jī)科學(xué)研究生Christopher Chute合作,,收集了611例頭部CT血管造影中檢測到的臨床意義顯著的動(dòng)脈瘤。

  “我們手工標(biāo)記了每一個(gè)體素——相當(dāng)于一個(gè)像素的3D圖像——是否屬于動(dòng)脈瘤的一部分,,”Chute說,,“建立訓(xùn)練數(shù)據(jù)是一項(xiàng)相當(dāng)艱巨的任務(wù),數(shù)據(jù)量很大,?!?/p>

  經(jīng)過訓(xùn)練之后,算法確定掃描的每個(gè)體素是否存在動(dòng)脈瘤,。

  HeadXNet工具的最終結(jié)果是算法的結(jié)論以半透明的高亮顯示在掃描的頂部,。這種算法決策的表示形式,使得臨床醫(yī)生在沒有HeadXNet輸入的情況下仍然可以很容易地看到掃描結(jié)果,。

  “我們感興趣的是,,這些帶有人工智能功能的掃描結(jié)果將如何提高臨床醫(yī)生的表現(xiàn),,”Pranav Rajpurkar說,他是一名計(jì)算機(jī)科學(xué)研究生,,也是該論文的共同主要作者,。“我們能夠?qū)?dòng)脈瘤的確切位置標(biāo)記給臨床醫(yī)生看,,而不僅僅是讓算法說圖像中包含動(dòng)脈瘤,。”

  通過評(píng)估一組115個(gè)動(dòng)脈瘤的腦部掃描,,八名臨床醫(yī)生對(duì)HeadXNet進(jìn)行了測試,,一次是在HeadXNet的幫助下進(jìn)行的,一次沒有,。

  通過該工具,,臨床醫(yī)生正確識(shí)別出了更多的動(dòng)脈瘤,從而降低了“漏診率”,,而且醫(yī)生之間更有可能達(dá)成一致,。此外,HeadXNet并沒有影響臨床醫(yī)生決定診斷所需的時(shí)間,,也沒有影響醫(yī)生在患者沒有動(dòng)脈瘤的情況下正確識(shí)別掃描的能力,。

  并不只是人工智能的自動(dòng)化

  HeadXNet核心的機(jī)器學(xué)習(xí)方法可能會(huì)被用來識(shí)別大腦內(nèi)外的其他疾病。例如,,Yeom設(shè)想未來的版本可以專注于加速動(dòng)脈瘤破裂后的識(shí)別,,從而在緊急情況下節(jié)省寶貴的時(shí)間。但是,,將任何人工智能醫(yī)療工具與醫(yī)院放射科的日常臨床工作流程集成起來仍然存在相當(dāng)大的障礙,。

  目前的掃描查看器并不是為配合深度學(xué)習(xí)而設(shè)計(jì)的,因此研究人員不得不開發(fā)定制的工具,,將HeadXNet集成到掃描查看器中,。

  類似地,真實(shí)數(shù)據(jù)的變化——與算法所測試和訓(xùn)練的數(shù)據(jù)相反——可能會(huì)降低模型性能,。如果該算法處理來自不同種類設(shè)備或成像協(xié)議的數(shù)據(jù),,或者處理不屬于其原始訓(xùn)練的患者群體的數(shù)據(jù),那么它可能不會(huì)像預(yù)期那樣工作,。

  吳恩達(dá)說:“由于這些問題,,我認(rèn)為部署速度將會(huì)加快,不是單純的人工智能自動(dòng)化,,而是人工智能和放射科醫(yī)生的合作,。我們?nèi)杂屑夹g(shù)和非技術(shù)工作要做,但作為一個(gè)團(tuán)隊(duì),我們將達(dá)到這一目標(biāo),,人工智能與放射科醫(yī)生的合作是最有希望的途徑,。”


本站內(nèi)容除特別聲明的原創(chuàng)文章之外,,轉(zhuǎn)載內(nèi)容只為傳遞更多信息,,并不代表本網(wǎng)站贊同其觀點(diǎn)。轉(zhuǎn)載的所有的文章,、圖片,、音/視頻文件等資料的版權(quán)歸版權(quán)所有權(quán)人所有。本站采用的非本站原創(chuàng)文章及圖片等內(nèi)容無法一一聯(lián)系確認(rèn)版權(quán)者,。如涉及作品內(nèi)容,、版權(quán)和其它問題,請(qǐng)及時(shí)通過電子郵件或電話通知我們,,以便迅速采取適當(dāng)措施,,避免給雙方造成不必要的經(jīng)濟(jì)損失。聯(lián)系電話:010-82306118,;郵箱:[email protected],。