AI輔助檢測腦動脈瘤，靈敏度達97.5%，華為云聯(lián)合成果登上國際頂級期刊

2020-11-11 12:04

來源：澎湃新聞·澎湃號·湃客

機器之心發(fā)布

機器之心編輯部

近日，放射學領域國際頂級期刊《Radiology》發(fā)表了華為云 EI 創(chuàng)新孵化 lab、華中科技大學電信學院、華中科技大學同濟醫(yī)學院附屬協(xié)和醫(yī)院放射科聯(lián)合團隊的最新研究成果：AI 算法檢測動脈瘤靈敏度高達 97.5%，幫助醫(yī)生臨床診斷靈敏度提升約 10 個百分點，漏診率降低 5 個百分點，同時有效縮短醫(yī)生診斷時間。

日前，放射學領域的國際頂級期刊《Radiology》（《放射學》）發(fā)表了一項來自中國的「人工智能 + 醫(yī)學影像」最新研究成果：運用 AI 幫助醫(yī)生檢測腦動脈瘤，靈敏度達到 97.5%；AI 協(xié)助放射科醫(yī)生閱片，幫助醫(yī)生臨床診斷靈敏度提升約 10 個百分點，漏診率降低 5 個百分點；同時有效縮短醫(yī)生診斷時間。

論文鏈接：https://pubs.rsna.org/doi/10.1148/radiol.2020192154

這項研究由華為云 EI 創(chuàng)新孵化 Lab 聯(lián)合華中科技大學電信學院、華中科技大學同濟醫(yī)學院附屬協(xié)和醫(yī)院放射科完成，運用華為云一站式 AI 開發(fā)平臺 ModelArts 開發(fā)了一套基于 CTA 影像的全自動化、高度敏感的腦動脈瘤檢測算法，幫助醫(yī)生更快速高效地診斷腦動脈瘤。

Radiology 雜志是放射學領域的頂級期刊，一直被公認為該領域最新、最高質(zhì)量研究的權威參考，2020 年最新影響因子為 7.9，是該領域內(nèi)被引用次數(shù)最多的期刊之一。

腦動脈瘤輔診：「人工智能 + 醫(yī)學影像」新突破

「人工智能 + 醫(yī)學影像」是將目前最先進的人工智能技術應用于醫(yī)學影像診斷，幫助醫(yī)生診斷患者病情的人工智能具體應用場景，可以廣泛用于各類病灶識別與標注，如宮頸癌、肺部結節(jié)、心腦血管疾病輔診等。

腦動脈瘤診斷難點

腦動脈瘤是腦動脈內(nèi)腔的局限性異常擴大造成的一種瘤狀突出，存在滲漏或破裂風險，位居腦血管疾病病因的 Top3，堪稱「沉默又致命的殺手」。腦動脈瘤造成了大約 80%-90% 的非創(chuàng)傷性蛛網(wǎng)膜下腔出血。這一嚴重的腦部疾病死亡率為 23%-51%，另外還有 10%-20% 的永久殘疾風險，對其進行早期診斷與治療非常必要。動脈瘤位置多發(fā)，形態(tài)多樣，對醫(yī)生資歷要求較高。中國人口基數(shù)大，高資歷醫(yī)生匱乏，相關醫(yī)生工作強度極大。

動脈瘤破裂的風險取決于動脈瘤的大小、形狀和位置，因此腦動脈瘤的檢測和特征提取是指導治療的關鍵。

目前，CT 血管造影成像（CTA）是評估顱內(nèi)動脈瘤的主要影像學檢查手段，與磁共振血管造影（MRA）相比， CTA 是一種快速且經(jīng)濟有效的診斷技術，通常具有更廣的可用性和較高的空間分辨率。與數(shù)字減影血管造影（DSA）相比，CTA 通常更廣泛且具備無創(chuàng)性。但是由于腦動脈瘤體積小和顱內(nèi)血管的復雜性，即使專業(yè)的放射學專家進行診斷也需要耗費很長的時間，一些小動脈瘤還可能被遺漏。

AI + 醫(yī)學影像，解決腦動脈瘤輔診難題

在最近發(fā)表在 Radiology 的這項新研究中，華為云 EI 創(chuàng)新孵化 Lab 聯(lián)合華中科技大學電信學院、華中科技大學同濟醫(yī)學院附屬協(xié)和醫(yī)院放射科運用華為云一站式 AI 開發(fā)平臺 ModelArts，開發(fā)了一套基于 CTA 影像的全自動化、高度敏感的腦動脈瘤檢測算法。

ModelArts 平臺提供數(shù)據(jù)預處理及半自動化標注、大規(guī)模分布式訓練、自動化模型生成，以及端 - 邊 - 云按需部署能力，幫助用戶快速創(chuàng)建和部署模型，管理全周期 AI 工作流。

該研究開發(fā)的腦動脈瘤檢測算法包括一個編碼器和解碼器，并在編碼器解碼器中間使用了密集的空洞卷積 (DAC) 和殘差多核池化 (RMP) 模塊。輸入的 CTA 圖像被重采樣至 0.39×0.39×0.39 mm^3 分辨率，算法輸出會提供動脈瘤存在概率、動脈瘤位置以及直徑大小等信息，并在 CTA 原始圖像上為可疑的動脈瘤勾畫出一個邊界框。

腦動脈瘤檢測算法的整體架構。

該研究使用了 534 名患者的 CTA 數(shù)據(jù)來訓練深度學習檢測算法，然后在另外 534 例數(shù)據(jù)上進行驗證。驗證集共含有 649 個動脈瘤，該研究算法檢測出來了 633 個，靈敏度達到 97.5%；同時算法還檢測出了 8 個新的動脈瘤，而這些動脈瘤在醫(yī)生最初的診斷中被忽略了。這 8 個動脈瘤有 6 個直徑小于 3mm，2 個在 3-5mm 之間，說明該研究算法對于微小動脈瘤也具備非常好的性能。

數(shù)據(jù)獲取、篩選和分割流程圖。

算法在驗證集上的 FROC 曲線。

此外，為了驗證該研究提出算法對放射科醫(yī)生的協(xié)助作用，研究人員另外收集了 400 例 CTA 數(shù)據(jù)作為外部測試集（188 個陽性和 212 個陰性），由四名放射科醫(yī)生分別在沒有算法協(xié)助和有算法協(xié)助下進行閱片。統(tǒng)計結果顯示，在有算法協(xié)助的情形下，放射科醫(yī)生的表現(xiàn)都有一定的提升，特別是經(jīng)驗較少的醫(yī)生進步最明顯。

幫助影像科醫(yī)生，而不是取代他們

參與該聯(lián)合項目的華中科技大學同濟醫(yī)學院附屬協(xié)和醫(yī)院影像科專家龍茜博士表示：「我們聯(lián)合華為云開發(fā)的深度學習算法在檢測動脈瘤方面表現(xiàn)出了出色的性能。我們發(fā)現(xiàn)極少數(shù)動脈瘤在最初的臨床診斷報告中被忽略了，但它們被深度學習算法成功地識別出來了。」

該研究表明，深度學習算法在腦動脈瘤的診斷中具有潛力，有望在臨床上作為第二意見的診斷工具。

AI 有許多優(yōu)點，主要是因為其不受經(jīng)驗水平、工作時間和情緒等影響人類表現(xiàn)的因素的影響。對于三甲醫(yī)院來說，「人工智能 + 醫(yī)學影像」的引入可以改善高度依賴醫(yī)生人工讀片的傳統(tǒng)模式，一定程度上緩解醫(yī)學影像診斷的壓力，同時滿足三甲醫(yī)院的科研需求。

對于基層醫(yī)院來說，相比三甲醫(yī)院，對復雜影像的處理能力、判斷能力更為薄弱，因此誤診漏診率更高。人工智能通過把影像診斷結果進行前期的分析和處理，可以提高篩查數(shù)量，降低誤診漏診率，進而提高綜合醫(yī)療水平。

當然，這個系統(tǒng)也有一些局限性。它可能識別不出非常小的動脈瘤或位于類似密度結構的動脈瘤，如骨骼。同樣，它的判斷也受到假陽性的影響，可能錯誤地將類似于動脈瘤的結構識別為動脈瘤，這時就需要醫(yī)生把關，共同做出準確診斷。

人工智能會替代影像科醫(yī)生嗎？對此，龍茜博士表示：「與華為云合作開發(fā) AI 深度學習算法的目的是幫助影像科醫(yī)生，而不是取代他們。未來需要進一步收集、分析、驗證更異構的高質(zhì)量數(shù)據(jù)，進一步驗證該算法，這是評估其推廣性和對日常臨床工作適用性的關鍵，需要 AI 算法專家、影像科專家等進一步通力合作?！?/p>

加速 AI 基礎研究和醫(yī)療領域落地

隨著人工智能的不斷發(fā)展，國內(nèi)主要 IT 和云廠商都在醫(yī)療、大健康領域有所布局。醫(yī)療基礎研究方面，華為云 EI 創(chuàng)新孵化 Lab 重點聚焦于如何解決醫(yī)療領域的重大技術難題。

在 MICCAI 2019 、MICCAI2020、Radiology 等人工智能醫(yī)學影像學術會議期刊上連續(xù)發(fā)表了華為云人工智能醫(yī)學影像分析團隊 6 篇論文，涵蓋宮頸癌篩查、腦中風分割、心室分割以及平片診斷報告自動生成相關領域的研究成果。在 LUNA-2016、HC-2018、ISLES-2018 的個業(yè)界多個挑戰(zhàn)賽事上獲得業(yè)界領先水平。

在產(chǎn)業(yè)落地方面，在醫(yī)療影像領域，華為云可提供企業(yè)級的醫(yī)療影像 AI 平臺，支撐全流程可追溯的端到端 AI 建模，助力醫(yī)療影像 AI 更加系統(tǒng)、快速、安全地走向市場。在基因組、制藥等領域，與醫(yī)療行業(yè)領先企業(yè)及醫(yī)院和高校合作，加速 AI 研究和應用落地。

Amazon SageMaker實戰(zhàn)教程（視頻回顧）

Amazon SageMaker 是一項完全托管的服務，可以幫助機器學習開發(fā)者和數(shù)據(jù)科學家快速構建、訓練和部署模型。Amazon SageMaker 完全消除了機器學習過程中各個步驟的繁重工作，讓開發(fā)高質(zhì)量模型變得更加輕松。

10月15日-10月22日，機器之心聯(lián)合AWS舉辦3次線上分享，全程回顧如下，復制鏈接到瀏覽器即可觀看。

另外，我們準備了Amazon SageMaker 1000元服務抵扣券，幫助開發(fā)者體驗各項功能。點擊閱讀原文，即可領取。