日前，放射學領域的國際頂級期刊《Radiology》（《放射學》）發(fā)表了一項來自中國的“人工智能+醫(yī)學影像”最新研究成果：運用AI幫助醫(yī)生檢測腦動脈瘤，靈敏度達到97.5%，AI協(xié)助放射科醫(yī)生閱片，幫助醫(yī)生臨床診斷靈敏度提升約10個百分點，漏診率降低5個百分點。
該論文描述了華為云EI創(chuàng)新孵化Lab聯(lián)合華中科技大學電信學院、華中科技大學同濟醫(yī)學院附屬協(xié)和醫(yī)院放射科運用華為云一站式AI開發(fā)平臺ModelArts開發(fā)了一套基于CTA影像的全自動化、高度敏感的腦動脈瘤檢測算法，幫助醫(yī)生更快速高效地診斷腦動脈瘤。
隨后，《Radiology》發(fā)布報道介紹了該論文，報道全文翻譯如下：
發(fā)表在《放射學》期刊上的一項研究顯示，人工智能中的深度學習（Deep Learning）技術能夠幫助醫(yī)生通過CT血管造影檢測出潛在的腦動脈瘤。
腦動脈瘤是大腦中血管的弱化區(qū)域。如果不加以治療，它們可能會滲漏或破裂，有時甚至會致命。這些動脈瘤是否會破裂，何時破裂，取決于動脈瘤的大小、形狀和位置。因此，腦動脈瘤的檢測和特征提取至關重要。
目前，CT血管造影成像是評估腦動脈瘤的首選方法。CT造影本身準確度很高，但由于腦動脈瘤體積小，腦血管構造又極其復雜，初次評估造影時有可能出現(xiàn)漏網(wǎng)之魚。
此項研究的主要貢獻者，來自武漢協(xié)和醫(yī)院放射科的龍茜博士說：“平時我們看CT報告時，總會遇到一些重要的病灶被人眼忽略的情況。而腦動脈瘤就隱藏在那些被忽略的小病灶中，沒有辦法在放射影像的常規(guī)評估中被發(fā)現(xiàn)。”
深度學習技術作為人眼的輔助工具，在精確診斷腦動脈瘤方面展現(xiàn)出了巨大的潛力。深度學習系統(tǒng)能夠以現(xiàn)有的CT影像為數(shù)據(jù)集訓練，從而學會識別人眼難以找到的微小病變。在放射學的其他方面，如胸部X光片的肺結核檢測等，深度學習技術也大有作為。
在這項新研究中，龍茜博士和華為云、華中科技大學聯(lián)合項目組同事開發(fā)了一種高度敏感且全自動的算法，用來檢測CT血管造影圖像中的腦動脈瘤。他們使用500多名患者的CT血管造影來訓練深度學習算法模型，并且選取了另外534張CT血管造影進行測試。這批測試的造影中包含649個動脈瘤。
使用該模型，649個腦動脈瘤中的633個被成功檢出，靈敏度為97.5%。除此之外，檢測還發(fā)現(xiàn)了8個新的動脈瘤，都是最初的人工評估中被忽略的。
統(tǒng)計分析顯示，深度學習模型協(xié)助放射科醫(yī)生閱片，能夠明顯提升病灶的檢出效率。對于經(jīng)驗較少的醫(yī)生來說，這項技術更加成效卓著。
龍博士講到，“這次開發(fā)的深度學習系統(tǒng)在檢測動脈瘤方面表現(xiàn)出了出色的性能。我們發(fā)現(xiàn)有一些動脈瘤會在最初的診斷中被人眼忽略，但它們在深度學習系統(tǒng)的法眼下則無所遁形。”
結果顯示，深度學習算法在腦動脈瘤的診斷中具有潛力，有望在臨床上作為診斷的輔助意見。龍博士還告訴我們，在這種場景下，電腦能夠不受經(jīng)驗水平、工作時間和情緒等影響人類表現(xiàn)的因素的影響。
當然，這個系統(tǒng)也有一些局限性。它可能識別不出非常小的動脈瘤或位于類似密度結構的動脈瘤，如骨骼。同樣，它的判斷也受到假陽性的影響，可能錯誤地將類似于動脈瘤的結構識別為動脈瘤，這時就需要醫(yī)生把關，共同做出準確診斷。
龍博士還講道：“深度學習系統(tǒng)的目的是幫助人類醫(yī)療工作者，而不是取代他們。”
接下來，該系統(tǒng)還需要進一步驗證多種異構數(shù)據(jù)，例如來自不同國家和地區(qū)的CT造影數(shù)據(jù)，這是評估其推廣性和對日常臨床工作的適用性的關鍵。
龍博士說：“目前，這種深度學習系統(tǒng)的作用是為醫(yī)生們提供建議，以提高他們的準確度和效率，減少誤判。人眼診斷結合計算機系統(tǒng)協(xié)助檢測，更大程度上提高了診斷的準確性，能夠實實在在地惠及患者。”
