深度学习算法可简化肺癌放疗

肺癌是全球最常见的癌症，近一半的病例以放射治疗(RT)为目标。RT计划是一个手动的，资源密集型的过程，可能需要几天到几周才能完成，即使是训练有素的医生在确定辐射靶向多少组织时也会有所不同。此外，随着癌症发病率的增加，预计全球放射肿瘤学从业者和诊所的短缺将会增加。

布莱根妇女医院的研究人员和合作者在麻省总布里格姆的医学人工智能计划下工作，开发并验证了一种深度学习算法，该算法可以在几秒钟内在计算机断层扫描(CT)扫描上识别和勾勒(“分段”)非小细胞肺癌(NSCLC)肿瘤。

他们的研究发表在《柳叶刀数字健康》(Lancet Digital Health)上，还表明，在模拟诊所使用该算法的放射肿瘤学家的表现与不使用该算法的医生一样好，同时工作速度提高了65%。

“人工智能应用于医学的最大翻译差距是未能研究如何使用人工智能来改善人类临床医生，反之亦然，”布莱根放射肿瘤学系的通讯作者Raymond Mak医学博士说。“我们正在研究如何建立人类与人工智能的伙伴关系和协作，为患者带来更好的结果。这种方法对患者的好处包括分割肿瘤的更大一致性和缩短治疗时间。临床医生的好处包括减少平凡但困难的计算机工作，这可以减少倦怠并增加他们与患者共度的时间。

研究人员使用来自787名患者的CT图像来训练他们的模型，以区分肿瘤和其他组织。他们使用来自越来越多的外部数据集的1，300多名患者的扫描来测试算法的性能。开发和验证算法涉及数据科学家和放射肿瘤学家之间的密切合作。例如，当研究人员观察到该算法错误地分割涉及淋巴结的CT扫描时，他们用更多的这些扫描重新训练了模型以提高其性能。

最后，研究人员要求八位放射肿瘤学家执行分割任务，并对另一位专家医生或算法产生的分割进行评级和编辑(他们没有被告知是哪一个)。人类与AI协作与人工(从头)细分之间的性能没有显着差异。有趣的是，与手动生成的分割相比，医生在编辑人工智能生成的分割时工作速度提高了65%，变化减少了32%，即使他们不知道自己在编辑哪一个。在这项盲法研究中，他们还对人工智能绘制的分割质量的评价高于人类专家绘制的分割。

展望未来，研究人员计划将这项工作与他们之前设计的人工智能模型相结合，这些模型可以识别在癌症治疗期间接受不良辐射的“有风险的器官”(如心脏)，从而将它们排除在放射治疗之外。他们正在继续研究医生如何与人工智能互动，以确保人工智能伙伴关系有助于而不是伤害临床实践，并正在开发第二种独立的分割算法，可以验证人类和人工智能绘制的分割。

“这项研究为人工智能模型提供了一种新颖的评估策略，强调了人类与人工智能协作的重要性，”放射肿瘤学系的共同作者Hugo Aerts博士说。“这尤其必要，因为在计算机(计算机建模)中，评估可以给出与临床评估不同的结果。我们的方法可以帮助为临床部署铺平道路。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！