資訊專欄INFORMATION COLUMN
摘要：谷歌的相關(guān)研究已發(fā)布在上。谷歌的這項(xiàng)研究展示了人工智能在提升肺癌篩查準(zhǔn)確率和一致性方面的潛力，這將有助于加速在全球范圍內(nèi)推廣肺癌篩查。
肺癌致死率高，且大部分發(fā)現(xiàn)即晚期。早期的低劑量CT篩查可以有效提高存活率，但是僅有少數(shù)病患接受了篩查，且低劑量CT篩查仍然存在問(wèn)題，如較高的假陽(yáng)性結(jié)果。今日，谷歌發(fā)布新研究，展示了AI可以診斷肺癌，能夠幫助提升全世界很多病患的存活率，有助于早期肺癌CT篩查在全世界范圍內(nèi)的推廣。
根據(jù)世界衛(wèi)生組織，肺癌每年造成 1700 萬(wàn)人死亡，是致死率最高的癌癥（死亡率超過(guò)乳腺癌、前列腺癌和結(jié)直腸癌的總和），是全球第六大死因。盡管肺癌在所有癌癥中存活率最低，但如果發(fā)現(xiàn)得早并及早干預(yù)是可以有更多治療機(jī)會(huì)的。然而，統(tǒng)計(jì)數(shù)據(jù)顯示，大部分肺癌到了晚期才被診斷出來(lái)。
過(guò)去三十年，醫(yī)生探索了很多方式來(lái)診斷肺癌高危人群。盡管低劑量 CT 篩查被證明能夠降低肺癌死亡率，但是仍然存在一些問(wèn)題導(dǎo)致不明確的診斷結(jié)果、后續(xù)不必要治療、醫(yī)療成本等等。
谷歌的最新研究
根據(jù)谷歌博客介紹，谷歌于 2017 年末開始探索如何使用 AI 解決一些挑戰(zhàn)。研究者利用 3D 體建模的進(jìn)展，結(jié)合來(lái)自谷歌合作伙伴（包括美國(guó)西北大學(xué)）的數(shù)據(jù)集，在建模肺癌預(yù)測(cè)方面取得了很大進(jìn)步，為未來(lái)臨床測(cè)試奠定了基礎(chǔ)。谷歌的相關(guān)研究已發(fā)布在 Nature Medicine 上。
該研究所用數(shù)據(jù)集：
LUNA: https://luna16.grand-challenge.org/data/
LIDC: https://wiki.cancerimagingarchive.net/display/Public/LIDC-IDRI
NLST: https://biometry.nci.nih.gov/cdas/learn/nlst/images/
該研究中來(lái)自美國(guó)西北大學(xué)的數(shù)據(jù)集暫未公開。
放射科醫(yī)生在一次 CT 掃描中通常需要查看數(shù)百?gòu)?2D 圖像，而癌癥是很微小也很難看到的。谷歌研究者創(chuàng)建了一個(gè)模型，該模型不僅能夠生成肺癌惡性腫瘤整體預(yù)測(cè)，還可以識(shí)別出肺部不易被察覺(jué)的惡性組織（肺結(jié)節(jié)）。該模型還可以將之前的掃描結(jié)果考慮在內(nèi)，幫助預(yù)測(cè)肺癌風(fēng)險(xiǎn)，因?yàn)榉谓Y(jié)節(jié)的增長(zhǎng)速度有可能預(yù)示著有惡性腫瘤的存在。
整體建?？蚣軋D示。
在谷歌的這項(xiàng)研究中，研究者利用 45856 個(gè)去識(shí)別化的胸部 CT 掃描案例（其中一部分是癌癥病例），這些案例來(lái)自美國(guó)國(guó)家肺癌篩查試驗(yàn)（National Lung Screening Trial, NLST）和美國(guó)西北大學(xué)的 NIH 研究數(shù)據(jù)集。研究者使用另一個(gè)數(shù)據(jù)集進(jìn)行驗(yàn)證，并將實(shí)驗(yàn)結(jié)果與六名美國(guó)認(rèn)證放射科醫(yī)生的診斷結(jié)果進(jìn)行對(duì)比。
在使用單次 CT 掃描進(jìn)行診斷時(shí)，谷歌的模型性能堪比甚至優(yōu)于六名放射科醫(yī)生。與沒(méi)有輔助的放射科醫(yī)生相比，該模型檢測(cè)出的癌癥病例多出 5%，且假陽(yáng)性檢查結(jié)果減少了 11% 以上。谷歌的方法獲得了 94.4% 的 AUC（曲線下面積）。
該模型在完整 NLST 數(shù)據(jù)集上和在多帶帶測(cè)試集上的結(jié)果。
下圖展示了在僅使用當(dāng)前 CT 掃描時(shí)，該模型與人類放射科醫(yī)生的肺癌檢測(cè)性能對(duì)比：
下圖展示了，在使用當(dāng)前和之前 CT 掃描時(shí)，該模型與人類放射科醫(yī)生的肺癌檢測(cè)性能對(duì)比：
對(duì)于無(wú)癌癥史的無(wú)癥狀病患，該 AI 系統(tǒng)審查和檢測(cè)出了潛在肺癌，而該病患先前被診斷為正常。
下一步計(jì)劃
盡管肺癌篩查具有很大價(jià)值，但現(xiàn)在美國(guó)僅有 2-4% 的相關(guān)病患接受篩查。谷歌的這項(xiàng)研究展示了人工智能在提升肺癌篩查準(zhǔn)確率和一致性方面的潛力，這將有助于加速在全球范圍內(nèi)推廣肺癌篩查。
這些初步結(jié)果令人鼓舞，但后續(xù)研究將對(duì)臨床實(shí)踐中的影響和效果進(jìn)行評(píng)估。研究者正與 Google Cloud Healthcare 和 Life Sciencecs 團(tuán)隊(duì)合作，并通過(guò) Cloud Healthcare API 提供該模型，同時(shí)與全球合作伙伴進(jìn)行早期接洽以繼續(xù)其他的臨床驗(yàn)證研究和部署。
論文：End-to-end lung cancer screening with three-dimensional deep learning on low-dose chest computed tomography
論文地址：www.nature.com/articles/s4…
2018 年，美國(guó)肺癌死亡人數(shù)約為 160000，是美國(guó)排名第一位的腫瘤死因。使用低劑量 CT 篩查進(jìn)行肺癌掃描已被證實(shí)能夠?qū)⑺劳雎式档?20–43%，低劑量 CT 篩查現(xiàn)已包含在美國(guó)篩查指南中。但仍然存在一些挑戰(zhàn)，包括評(píng)估者差異可變性（inter-grader variability）以及較高的假陽(yáng)性和假陰性率。
谷歌研究者提出了一種深度學(xué)習(xí)算法，利用病患當(dāng)前和以前的 CT 來(lái)預(yù)測(cè)肺癌風(fēng)險(xiǎn)。他們提出的模型在 6716 個(gè)美國(guó)國(guó)家肺癌篩查試驗(yàn)病例上取得了當(dāng)前最佳的效果（曲線下面積為 94.4%），并在包含 1139 個(gè)病例的獨(dú)立臨床驗(yàn)證集上獲得了類似的性能。
研究者還進(jìn)行了兩項(xiàng)評(píng)估者研究。當(dāng)以前的 CT 影像不可用時(shí)，模型效果優(yōu)于所有六位放射科醫(yī)生的診斷，將假陽(yáng)性率降低 11%，假陰性率降低 5%。當(dāng)以前的 CT 影像可用時(shí)，模型效果與放射科醫(yī)生的診斷相當(dāng)。這為利用計(jì)算機(jī)輔助和自動(dòng)化來(lái)優(yōu)化篩查過(guò)程提供了機(jī)會(huì)。目前絕大多數(shù)病患處于未接受篩查的狀態(tài)，研究者認(rèn)為深度學(xué)習(xí)模型有助于提升全球范圍內(nèi)肺癌的篩查準(zhǔn)確率、一致性和推廣。
原文鏈接：blog.google/technology/…
文章版權(quán)歸作者所有，未經(jīng)允許請(qǐng)勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請(qǐng)注明本文地址：http://systransis.cn/yun/6894.html
摘要：第二次則是今年初，論文被深度學(xué)習(xí)盛會(huì)拒絕。表示遺憾乃至憤怒的人不在少數(shù)。他認(rèn)為，使從其他學(xué)術(shù)實(shí)驗(yàn)室中脫穎而出的，是它的跨領(lǐng)域文化。騰訊也在籌建人工智能實(shí)驗(yàn)室，近期消息就會(huì)正式公布。 牛津大學(xué)和 DeepMind 的研究人員合作，開發(fā)出一款能夠閱讀唇語(yǔ)的系統(tǒng)，這個(gè)名叫 Watch, Attend and Spell（WAS）的軟件在實(shí)際表現(xiàn)中遠(yuǎn)遠(yuǎn)超越了人類專家的水平。研究人員使用計(jì)算機(jī)視覺(jué)和機(jī)...
摘要：文本谷歌神經(jīng)機(jī)器翻譯去年，谷歌宣布上線的新模型，并詳細(xì)介紹了所使用的網(wǎng)絡(luò)架構(gòu)循環(huán)神經(jīng)網(wǎng)絡(luò)。目前唇讀的準(zhǔn)確度已經(jīng)超過(guò)了人類。在該技術(shù)的發(fā)展過(guò)程中，谷歌還給出了新的，它包含了大量的復(fù)雜案例。谷歌收集該數(shù)據(jù)集的目的是教神經(jīng)網(wǎng)絡(luò)畫畫。 1. 文本1.1 谷歌神經(jīng)機(jī)器翻譯去年，谷歌宣布上線 Google Translate 的新模型，并詳細(xì)介紹了所使用的網(wǎng)絡(luò)架構(gòu)——循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）。關(guān)鍵結(jié)果：與...
摘要：幸運(yùn)的是，這些正是深度學(xué)習(xí)所需的計(jì)算類型。幾乎可以肯定，英偉達(dá)是目前執(zhí)行深度學(xué)習(xí)任務(wù)較好的選擇。今年夏天，發(fā)布了平臺(tái)提供深度學(xué)習(xí)支持。該工具適用于主流深度學(xué)習(xí)庫(kù)如和。因?yàn)榈暮?jiǎn)潔和強(qiáng)大的軟件包擴(kuò)展體系，它目前是深度學(xué)習(xí)中最常見(jiàn)的語(yǔ)言。 深度學(xué)習(xí)初學(xué)者經(jīng)常會(huì)問(wèn)到這些問(wèn)題：開發(fā)深度學(xué)習(xí)系統(tǒng)，我們需要什么樣的計(jì)算機(jī)？為什么絕大多數(shù)人會(huì)推薦英偉達(dá) GPU？對(duì)于初學(xué)者而言哪種深度學(xué)習(xí)框架是較好的？如何將...
摘要：在讓無(wú)處不在，讓無(wú)所不及的主題論壇上，華為云服務(wù)產(chǎn)品部總經(jīng)理賈永利發(fā)表了讓無(wú)所不及的主題演講，分享了華為全棧全場(chǎng)景在使能企業(yè)智能化轉(zhuǎn)型過(guò)程的創(chuàng)新解決方案及相關(guān)行業(yè)實(shí)踐。 日前，華為第十六屆全球分析師大會(huì)在中國(guó)深圳召開。在讓Cloud無(wú)處不在，讓AI無(wú)所不及的主題論壇上，華為云EI服務(wù)產(chǎn)品部總經(jīng)理賈永利發(fā)表了《讓AI無(wú)所不及》的主題演講，分享了華為全棧全場(chǎng)景AI在使能企業(yè)智能化轉(zhuǎn)型過(guò)程的...
閱讀 523·2021-10-09 09:44
閱讀 2108·2021-09-02 15:41
閱讀 3561·2019-08-30 15:53
閱讀 1839·2019-08-30 15:44
閱讀 1295·2019-08-30 13:10
閱讀 1202·2019-08-30 11:25
閱讀 1480·2019-08-30 10:51
閱讀 3372·2019-08-30 10:49
