人工智能辅助肺结节的诊治:诊断利器,前景可期——中山医院张勇

2020
03/20

+
分享
评论
杏林帮官媒
A-
A+
人工智能辅助肺结节的诊治,赶紧来看看吧!

本文转载自张勇医生好大夫在线

专家简介:张勇,复旦大学附属中山医院呼吸科副主任医师、博士。擅长肺部结节的人工智能(AI)良恶性鉴别、疑难肺部结节的鉴别诊断、肺部磨玻璃结节(GGN)的定性与分级(腺瘤增生-原位癌-微浸润-浸润性腺癌)、肺部磨玻璃结节的浸润风险评估,手术时机的选择、肺部结节的磁导航支气管镜活检及微创消融、肺部肿瘤的诊治(靶向,免疫,放化疗)。

计算机用于疾病的辅助诊断(Computer assist diagnosis,CAD)在很早之前就已经使用于临床,近年来更是发展成为人工智能(AI),作为医疗中的全球性热点。其中,肺结节的AI辅助诊断是临床最容易的切入点。已有很多的AI软件可以用来辅助诊断肺结节的良恶性。本人有幸使用过5年前的传统软件和目前的AI软件分析过肺结节,相比较目前的AI已经有了很大的进步,即将进入临床发挥巨大的作用。

AI软件在识别肺结节上的巨大进步:目前的AI软件已经可以做到自动识别肺结节。通过分析DICOM原始的CT文件,可以将绝大部分的肺结节识别出来。比之前传统软件全手动去勾画结节的边界相比,可以节省大量的时间。 如图显示,AI软件可以自动识别3mm以上的实性结节、磨玻璃结节(红圈所示),省去医生寻找的时间。

之后,AI软件可以给出对结节的大小,密度精确的数据。对于磨玻璃结节来说,结节的密度是很重要的参数。结节密度代表了肿瘤生长的深度。而这些数据靠人眼是难以精确读出的,而AI却可以很快地给出数据。下图中该磨玻璃结节的平均密度为-567。通过密度数据的比较,可以显示肿瘤生长的趋势。

最后,AI软件可以给出结节的恶性概率。上图中的磨玻璃结节,AI给出的恶性概率是64%。这是由AI阅读了大量的CT图像学习后给出的,由医生参考。当然,如果这个结节由我来判断,我会给出95%的恶性概率。根据肺磨玻璃结节浸润风险模型判断,该结节有65%的可能为微浸润腺癌,而浸润性腺癌的风险较小,目前比较安全,可以继续观察。

当然,临床上AI大规模应用,还需要各种条件成熟以及AI软自身的进步。目前,分析一例肺结节大概需要30分钟左右,是无法在门诊大规模应用的。因此,需要更好的网络及计算机分析速度。一份完整的肺部薄层CT数据大约是200M左右。希望网络CT数据的传输,结节分析在几分钟内即可以完成。因此,让我们一起期待5G的到来吧!

其次,AI软件本身对某些位置特殊、密度非常淡的磨玻璃结节识别有困难,对磨玻璃结节的边界识别也不够准确,也是常见现象。这些都需要改建算法来提高结节识别的准确性。还有,目前还没有AI软件可以对结节的浸润程度做进一步的分析,而且对于前后结节对比的分析结果缺乏判断能力,这些都需要软件进一步的优化学习来解决。

总之,AI肺结节的诊断是趋势,医生已经可以采用AI软件来进一步提高自己的结节分析能力,配合AI对结节数据化的精准分析,配合医生的判断,相互补充,可以将肺结节的诊断水平大大提升。

本文由作者自行上传,并且作者对本文图文涉及知识产权负全部责任。如有侵权请及时联系(邮箱:guikequan@hmkx.cn

人点赞

收藏

人收藏

打赏

打赏

我有话说

0条评论

0/500

评论字数超出限制

表情
评论

为你推荐

推荐课程


精彩视频

您的申请提交成功

确定 取消
×

打赏金额

认可我就打赏我~

1元 5元 10元 20元 50元 其它

打赏

打赏作者

认可我就打赏我~

×

扫描二维码

立即打赏给Ta吧!

温馨提示:仅支持微信支付!