主页>最新消息>通知公告>正文

智慧医疗2019-04-11 19:10 来源:机器之心 作者:机器之心 浏览次数:69

《柳叶刀》子刊:精准确定肿瘤大小,新型AI识别方式远胜传统人工检测!

摘要:如果人工智能可以替代医生自动分析神经胶质瘤在脑内的大小和发展情况,岂不是会大大提高医疗效率?近日,《The Lancet Oncology》上就刊登了一篇来自海德堡大学医院(Heidelberg University Hospital)和德国癌症研究中心(German Cancer Research Centre)的论文,阐述了使用自动图像分析系统来分析脑部神经胶质瘤的方法。

神经胶质瘤是一种常见的脑部恶性肿瘤,这种肿瘤很难通过手术完全根除,而化疗和放疗的效果也有限。因此,精确分析神经胶质瘤的发展情况,对于掌握患者的病情和确定治疗方案十分重要。

如果人工智能可以替代医生自动分析神经胶质瘤在脑内的大小和发展情况,岂不是会大大提高医疗效率?近日,《The Lancet Oncology》上就刊登了一篇来自海德堡大学医院(Heidelberg University Hospital)和德国癌症研究中心(German Cancer Research Centre)的论文,阐述了使用自动图像分析系统来分析脑部神经胶质瘤的方法。


640.png


图片来源:123RF

为了标准化衡量脑肿瘤的发展情况,现在的神经科医生会采用名为“神经肿瘤学反应评估”(RANO)的方法。这种方法依赖人工在二维图像中测量目标病变,但是精确度和可靠度有限,一定程度上限制了对肿瘤负担和治疗效果的准确评估。

针对这一情况,研究人员开发了一个神经元网络,从而以标准化和自动化的方式,在MRI图像的基础上对脑肿瘤的治疗反应进行评估和临床验证。他们使用了来自海德堡大学医院约500名脑肿瘤患者的MRI扫描图像作为参考数据,来训练算法自动识别和定位脑肿瘤,并对瘤周水肿区域进行体积测量,从而精确评估治疗反应。

研究人员使用来自欧洲各地的534例胶质母细胞瘤患者的2000多例MRI图像对算法进行了验证。结果表明,与传统的人工测量方法相比,算法将评估治疗反应的准确性提升了36%,且对于总生存期的预测也更加精确。研究人员表示,这对于临床试验中基于图像的疗效评估至关重要。

“这项研究能够证明,人工神经网络在放射诊断方面拥有巨大潜力,”这项研究的负责人,来自海德堡大学医院的Philipp Kickingereder博士总结道:“未来,我们希望进一步提高医学图像数据自动化高通量分析技术,并将其应用到脑转移或多发性硬化症等其他疾病之中。”

参考资料:

[1] Kickingereder, et al., (2019). Automated quantitative tumour response assessment of MRI in neuro-oncology with artificial neural networks: a multicentre, retrospective study. The Lancet Oncology, doi: https://doi.org/10.1016/S1470-2045(19)30098-1

[2] Artificial intelligence helps to better assess treatment response of brain tumors. Retrieved April 10, 2019, from https://www.eurekalert.org/pub_releases/2019-04/gcrc-aih040219.php