Hi Google 这是肺癌吗？

在2018年6月30日，由北京天坛医院“神经疾病人工智能研究中心”和首都医科大学人脑保护高精尖创新中心共同研发的AI辅助诊断系统“BioMind天医智”与由25名神经影像领域的顶级专家、学者组成的人类队开展了全球首场神经影像领域的“人机大战”。最终“BioMind天医智”以高出20%的正确率战胜了神经系统疾病诊断的“最强大脑”。

近日，人工智能（AI）领域又有大动作。一支由加州山景城谷歌（Google）人工智能研究人员领导的团队，开发出一种能够预测肺部恶性肿瘤的深度学习模型。该模型是一个接受过肺癌CT扫描分析训练的神经网络，经过PK发现其性能与训练有素的放射科医生相当，甚至更好。

“该领域一直受到非常高的假阳性和阴性率的困扰，而这一模型的成功研制代表着在高危人群，如吸烟者中CT肺癌筛查再次向前迈进了一大步。这些算法虽需要有大量前瞻性的临床验证支撑，但肯定很有前景。”Eric Topol 斯克里普斯研究公司执行副总裁兼创始人表示。

这项合作研究也于当天在《自然医学》杂志上发表，题为：“End-to-end lung cancer screening with three-dimensional deep learningon low-dose chest computed tomography（将经过深度3D学习的低剂量胸部CT用于端对端的肺癌检测）.”

肺癌是美国最常见的癌症死亡原因，2018年估计有16万人死于肺癌。相较于传统的筛查方法，低剂量CT（LDCT）可将高危患者的死亡率降低20-43%，因此自2013年以来，LDCT一直被推荐用于高危人群的肺癌筛查。

放射科医师日常需要面对各种各样的CT图片，主要以结节大小、密度和生长为肺癌判断依据。但是，谷歌的产品经理、兼医学博士Lily Peng指出，“癌症早期肿瘤非常小，很难发现。超过80%的肺癌病例不是早期发现的。”

谷歌的高级软件工程师、该论文的高级作者Shravya Shetty也表示：“在肺癌的检测方面仍存在几个挑战，如高频率的假阳性和假阴性、过渡阶段的变异性、以及难以广泛实施影像学筛查等。”

谷歌多年来一直致力于将人工智能应用于医学图像，并且在病理学切片应用于检测糖尿病眼病和乳腺癌转移的试验中已经获得了比较理想的结果。

为了开发这套模型，团队采集了病人当前和先前的扫描图像，共计42290张，对这个肺癌AI模型进行深度的训练。该团队首先开发了一个3D卷积神经网络(CNN)模型，利用病理证实的癌症的LDCT图像作为训练数据，对整个CT图像进行端到端分析。随后，研究人员把关注点转移到感兴趣的区域（ROI），让CNN模型进一步深度学习。通过对整个CT图像和ROI的学习，CNN模型的确诊率非常高，对6716例结节预测的准确性可高达94%。

战役正式拉响，六名经过美国职业验证的放射科医生参与了PK，每个医生平均拥有八年的临床经验（4-20年的从业期）。在未提供先前的CT扫描图像时，该模型的表现优于全部六名医生，假阳性率减少11%，假阴性率减少5%。在提供先前的CT扫描图像后，该模型的表现与医生相当。

“因为我们的模型可实现持续学习，并不断进行改进，这样的结果也完全在我们意料之中。”Shetty如是表示。

另一个让人振奋的结果是，这一套AI模型能够在早期的CT图片中诊断出癌症，在一个病例中，它在患者确诊前一年的扫描中检测出了患者患癌。“对于像这样的病人，早期发现可以使存活率提高40%。”Peng表示。

这项研究是由谷歌人工智能公司、斯坦福医疗保健公司、帕洛阿尔托退伍军人事务部、西北医科大学和纽约大学朗格尼医学中心(生物成像中心)的研究人员合作完成的。

Shetty表示“虽然这项技术仍处于研究阶段，但是很有前景。目前我们需要做的是在大量患者中得到临床验证，并且继续让其深度学习，以确保该模型继续推广到新的医疗机构和人群。”

参考文献：

Ardila Diego,Kiraly Atilla P,Bharadwaj Sujeeth et al. End-to-end lung cancer screening with three-dimensional deep learning on low-dose chest computed tomography.[J] .Nat. Med., 2019, undefined: undefined.

Hey Google. Is This Lung Cancer? https://www.genengnews.com/insights/hey-google-is-this-lung-cancer/

作者：Rocky

编辑：Cassie

审核：Jason Sanchez