AI在檢測(cè)腦出血方面可與放射線專家媲美

舊金山加州大學(xué)舊金山分校和加州大學(xué)伯克利分校的科學(xué)家開(kāi)發(fā)的算法比四分之二的放射線專家在頭部掃描中發(fā)現(xiàn)微小的腦出血要好得多。這一進(jìn)步可以幫助醫(yī)生治療腦外傷(TBI)，中風(fēng)和動(dòng)脈瘤。

診斷成像研究(包括3D成像研究，例如計(jì)算機(jī)斷層掃描(CT))的持續(xù)增長(zhǎng)，意味著放射線醫(yī)生每天要查看數(shù)千張圖像，尋找可能預(yù)示著危及生命的緊急情況的微小異?，F(xiàn)象。每次腦部掃描產(chǎn)生的圖像數(shù)量可能非常龐大，以至于在忙碌的一天中，放射科醫(yī)生可能會(huì)選擇使用無(wú)摩擦輪的鼠標(biāo)在3D大型圖像堆棧中滾動(dòng)，就像看電影一樣。但是，如果AI技術(shù)可以挑選出明顯異常的圖像，那么它可能會(huì)效率更高，甚至可能更準(zhǔn)確，因此放射線醫(yī)師可以更仔細(xì)地檢查它們。

UCSF放射學(xué)副教授，共同通訊作者，醫(yī)學(xué)博士Esther Yuh說(shuō)：“我們需要實(shí)用的東西，并且要使該技術(shù)在臨床上有用，準(zhǔn)確性水平必須接近完美。”該研究的論文發(fā)表于2019年10月21日，星期一，科學(xué)院院刊(PNAS)。“由于遺漏異常的潛在后果，該應(yīng)用程序的性能要求很高，人們所承受的容忍度不會(huì)低于人類的性能或準(zhǔn)確性。”

團(tuán)隊(duì)開(kāi)發(fā)的算法僅用一秒鐘即可確定整個(gè)頭部掃描是否包含任何出血跡象。它還追蹤了所發(fā)現(xiàn)異常的詳細(xì)輪廓，展示了它們?cè)诖竽X三維結(jié)構(gòu)中的位置。在包含一百萬(wàn)個(gè)以上圖像的3D圖像堆棧中，某些斑點(diǎn)的大小可能約為100像素，甚至放射線專家有時(shí)也會(huì)錯(cuò)過(guò)它們，可能會(huì)造成嚴(yán)重的后果。

該算法發(fā)現(xiàn)了一些專家遺漏的小異常現(xiàn)象。它還指出了它們?cè)诖竽X中的位置，并根據(jù)亞型將它們分類，這是醫(yī)生確定最佳治療方法所需的信息。而且該算法為所有這些信息提供了可接受的誤報(bào)水平，從而最大限度地減少了醫(yī)生需要花費(fèi)的時(shí)間來(lái)審查其結(jié)果。

Yuh表示，使用AI技術(shù)最困難的事情之一就是能夠確定整個(gè)檢查(包括大約30張圖像的3-D“堆棧”)是否正常。

她說(shuō)：“在單個(gè)圖像上實(shí)現(xiàn)95%甚至99%的準(zhǔn)確性都是不對(duì)的，因?yàn)樵谝幌盗?0張圖像中，每2或3個(gè)掃描中的一個(gè)就會(huì)打錯(cuò)電話，”她說(shuō)。“要使其在臨床上有用，您必須正確獲取所有30張圖像，這就是我們所謂的檢查級(jí)準(zhǔn)確性。如果計(jì)算機(jī)指出許多誤報(bào)，將使放射線醫(yī)師放慢速度，并可能導(dǎo)致更多錯(cuò)誤。”

放射學(xué)專家說(shuō)，該算法發(fā)現(xiàn)非常小的異常并證明其在大腦中的位置的能力是一項(xiàng)重大進(jìn)步。

UCSF放射學(xué)教授Pratik Mukherjee博士說(shuō)：“出血可能很小，而且仍然很嚴(yán)重。”“這就是使放射科醫(yī)生的工作如此困難的原因，這就是為什么偶爾會(huì)錯(cuò)過(guò)這些事情的原因。如果患者患有動(dòng)脈瘤，并且開(kāi)始流血，然后將其送回家，它們可能會(huì)死亡。”

伯克利大學(xué)電氣工程和計(jì)算機(jī)科學(xué)系的亞瑟·J·?？?Arthur J.Chick)教授Jitendra Malik博士說(shuō)，關(guān)鍵在于選擇將哪些數(shù)據(jù)饋入模型。這項(xiàng)新研究利用了一種稱為完全卷積神經(jīng)網(wǎng)絡(luò)或FCN的深度學(xué)習(xí)類型，它可以在相對(duì)較少的圖像上訓(xùn)練算法，在本例中為4,396項(xiàng)CT檢查。但是研究人員使用的訓(xùn)練圖像充滿了信息，因?yàn)槊總€(gè)小的異常都是在像素級(jí)別手動(dòng)描繪的。這些數(shù)據(jù)的豐富性以及防止模型將隨機(jī)變量或“噪聲”誤認(rèn)為有意義的其他步驟，創(chuàng)造了一種極其精確的算法。

科學(xué)家本來(lái)可以選擇一次饋送整堆圖像或一個(gè)完整的圖像。取而代之的是，他們選擇一次只饋送圖像的一部分或“補(bǔ)丁”，并將該圖像與堆棧中直接在其之前和之后的圖像相關(guān)聯(lián)。人們還可以查看補(bǔ)丁中的圖像，這也是人們閱讀文本或查看計(jì)算機(jī)屏幕的方式，這使網(wǎng)絡(luò)能夠從數(shù)據(jù)中的相關(guān)信息中學(xué)習(xí)，而無(wú)需根據(jù)過(guò)分存在的微小變化得出結(jié)論來(lái)“過(guò)度擬合”模型。數(shù)據(jù)。他們稱他們的模型為PatchFCN。

該研究的共同通訊作者馬利克說(shuō)：“我們采取了標(biāo)記所有異常的方法，這就是為什么我們擁有許多更好的數(shù)據(jù)的原因。“然后，我們盡可能地利用這些數(shù)據(jù)。這就是我們?nèi)〉贸晒Φ姆绞健?rdquo;

著名的計(jì)算機(jī)視覺(jué)專家馬利克(Malik)說(shuō)，他獲得了更多的研究合作要求，這超出了他的能力，但他同意從事Yuh和Mukherjee的項(xiàng)目，因?yàn)樗泻艽蟮膸椭颊叩臐摿Α?/p>

作者現(xiàn)在正在將該算法應(yīng)用于來(lái)自全國(guó)各地創(chuàng)傷中心的CT掃描，該掃描中心已加入由UCSF的神經(jīng)外科教授兼副教授Geoffrey Manley博士領(lǐng)導(dǎo)的一項(xiàng)研究。

馬利克說(shuō)：“鑒于每天都有大量遭受外傷性腦損傷并被送往急診室的人，這具有非常重要的臨床意義。”“這說(shuō)服了我解決這個(gè)問(wèn)題。”