人工智能AI识别肿瘤 我们还会怕肝癌吗

肿瘤是指机体在各种致瘤因子作用下，局部组织细胞增生所形成的新生物，因为这种新生物多呈占位性块状突起，根据新生物的细胞特性及对机体的危害性程度，又将肿瘤分为良性肿瘤和恶性肿瘤两大类，癌症是上皮组织的恶性肿瘤，是恶性肿瘤中最常见的一类。

肝癌的危害

癌症已经成为困扰我们的重大因素，全国肿瘤登记中心在2014年共收集到全国234个登记处提交的2011年肿瘤登记资料，覆盖人口2.2亿。

其中，肝癌是死亡率最高的癌症之一，肝癌即肝脏恶性肿瘤，可分为原发性和继发性两大类。原发性肝脏恶性肿瘤起源于肝脏的上皮或间叶组织，前者称为原发性肝癌，是我国高发的，危害极大的恶性肿瘤；后者称为肉瘤，与原发性肝癌相比较较为少见。继发性或称转移性肝癌系指全身多个器官起源的恶性肿瘤侵犯至肝脏。

肝癌是最常见的发病原因首要的是病毒性肝炎，肝癌发生率比正常人高出12~100倍，之后是黄曲霉毒素是重要的致癌物质，因此肝癌和生活环境有很大的关系，沿海地区发病率比较高。

肝癌恶性程度大，病情发展快，治疗难度大，疗效不明显，很多肝癌患者一经发现已经是肝癌晚期了，全球每年有数十万人死于肝癌，据《谁是最可爱的人》作者魏巍先生的女儿介绍，魏巍先生便是在肝癌晚期才确诊，之前一直没有明显症状。

肝癌的影像学检查

因为肝癌早期没有明显的症状，肝癌的影像学检查现在已经形成包括超声、血管造影、CT、MRI等较完整的检查体系。

比如超声检查可显示肿瘤的大小、形态、所在部位以及肝静脉或门静脉内有无癌栓，其诊断符合率可达90%。超声检查具有价格低廉，可重复使用，属于无创伤性检查，敏感度高，并且无放射性损害。

比如计算机体层摄影CT具有较高的分辨率，对肝癌的诊断符合率可达90%以上，可检出直径1.0cm左右的微小癌灶。CT可清楚显示肝癌发生病变的位置、形态、扩散范围以及血流动力学变化，在原发性肝癌临床治疗方案的制定以及对预后的估算中表现出重要的价值。CT在肝癌诊断中的优势，不仅仅在于可以明确病灶的位置、数目、大小及其和重要血管的关系，更重要的是可以体现于可以提示病变性质，有助于放射治疗的定位、血管瘤的鉴别以及了解肝脏周围组织器官是否有癌灶。

人工智能识别医学影像

计算机视觉始于20世纪50年代的统计模式识别，当时的工作主要集中于二维图像分析和识别上，如光学字符识别、工件表面、显微图片和航空图片的分析和解释等。70年代中期，麻省理工学院人工智能（AI）实验室正式开设“计算机视觉”课程。同时，MITAI实验室吸引了国际上许多知名学者参与计算机视觉的理论、算法、系统设计的研究。进入21世纪，计算机视觉与计算机图形学的相互影响日益加深，基于图像的绘制成为研究热点。高效求解复杂全局优化问题的算法得到发展。

深度学习是近十年来人工智能领域取得的重要突破。它在计算机视觉、图像与视频分析等诸多领域的应用取得了巨大成功，卷积神经网络CNN更是现在深度学习兴起的主要原因之一，CNN在2012年迎来了历史突破–AlexNet，AlexNet在当年的ImageNet图像分类竞赛中，top-5错误率比上一年的冠军下降了十个百分点，而且远远超过当年的第二名。

随着医学影像智能化诊断的快速发展，为了满足愈加复杂的医学图像分析和处理要求，人工智能方法成为近年来医学图像处理技术发展的一个研究热点。人工智能方法应用主要在医学图像分割、图像配准、图像融合、图像压缩、图像重建等领域，并且取得了非常好的成绩。

基于深度学习的不同方法，可以对肝癌的影像进行学习和识别，比如国外有研究者研发了基于超声造影（CEUS）成像的肝脏疾病分类诊断系统，最终完成了对良性和恶性肝脏病变的分类。

同时在国内，医疗领域人工智能领先团队Airdoc通过分析胸部或腹部CT数据开发的算法，可以自动识别肝脏，并计算其平均密度，及时检测出脂肪肝，在早期通过饮食控制、锻炼和减少饮酒等生活方式让脂肪肝得到改善。

肝癌早期诊断的重要性

肝癌早期没有症状，病人不会主动到医院就诊，给早期诊断带来困难。肝癌又大多发生在慢性肝炎、肝硬化的基础上，所以很难依靠这些症状来诊断肝癌。即使摸到肿块或有黄疸、腹水，有时也难以与结肠癌、胰腺癌区别开来，因此很多肝癌患者发现都已经是晚期。

人工智能的出现可以让影像阅读更加简单的方便，并且可以覆盖在任何一个基层医疗机构，我们要做的就是提高体检意识，通过人工智能将来解决癌症的困扰。

打赏