侵权投诉
订阅
纠错
加入自媒体

乳腺钼靶AI落地临床:1600万像素秒级阅片,水平接近资深医生

2018-10-18 09:42
来源: 动脉网

乳房引发了无数的战争与赞美,但也最易招来肿瘤的青睐,比如乳腺癌。

中国国家癌症中心的统计数据显示,在所有女性可能罹患的恶性肿瘤中,乳腺癌高居榜首,占比达到16.51%。全球范围内,乳腺癌在发达国家和发展中国家女性的恶性肿瘤发病率均排名第1。

为了早期发现乳腺癌,临床多采取乳腺X线钼靶检查的方式。这一方式成熟、简便、廉价,可靠性也较好。多个医学指南认为:高标准的乳腺X线筛查和复查可检出大多数临床前期阶段的乳腺癌,有效降低乳腺癌死亡率,并减少不必要的伤残或者避免创伤性的治疗。

但在中国,谁来阅片成为了头号难题。乳腺X线钼靶阅片难度高,培养周期漫长,导致专业从事乳腺X线钼靶阅片的医生极度稀缺,全国不过寥寥数百人;与此同时,由于不同级别医生之间阅片水平差异巨大,阅片一致性也难以保证。

为解决这些难题,近期,国内一家AI企业依图医疗提供了另一种解决思路——AI阅片。

据悉,乳腺X线智能诊断系统是依图医疗耗时数年研发推出。该AI系统依托强大的算法创新,以及多家三甲医院万量级的真实乳腺影像数据,实现了乳腺X线钼靶影像的秒级阅片,拥有腺体分型、病灶检出、征象描述、智能BI-RADS分型等多项功能,并能自动生成结构化报告,供影像医师使用。

在多家三甲医院的临床实践中,该系统展现出了强大的病灶检出及学习能力。它不仅能够检出乳腺肿块、钙化、结构扭曲和不对称,同时还能在全病灶类型检出的基础上,实现病灶的癌变风险分级,辅助医生识别高危病变。

乳腺美丽 诊断不易

乳腺很美,但想清晰看到内部的病灶,并不容易。

不同于可以逐层扫描生成数百张影像图片,还原出肺部三维结构的肺部CT,乳房组织浑圆天成的生理构造以及X线垂直照射的原理,使得双侧乳腺钼靶常规的检查体位仅有MLO位及CC位2个体位4张单片。因此只能利用压迫板将女性的乳房尽可能压薄,让乳腺内部组织充分析离,才能拍出尽可能清晰的钼靶影像,进而找出病灶位置。

然而,这种影像学方法必须要克服腺体遮蔽和结构噪声。就好比猎人穿梭在光斑点点的森林地面,仅仅通过地上的光斑及阴影变化就要判断出树顶上的猎物所在位置。因此,2D影像结果到3D乳腺组织的还原,对阅片医师的专业能力提出了极高的要求。

相较于影像表现更为明显的钙化与肿块,占病灶总数30%左右的结构扭曲和不对称很难被查出,尤其是当医生经验不足或者疲劳时,很容易出现漏诊。

中华医学会放射学分会乳腺影像学组组长、复旦大学附属肿瘤医院放射诊断科主任彭卫军教授有着30余年乳腺X线钼靶阅片经验,他表示,想要达到“资深”水准,阅片医生必须同时具备扎实的解剖学功底与影像诊断学功底,丰富的空间想象能力、足够的临床经验、数位优秀的导师,以及5-10年的成长周期。

对人才的高要求,让资深乳腺X线钼靶阅片专家极度稀缺。纵览中国医师协会影像学组乳腺学组,堪称资深的专业乳腺X线钼靶阅片医生也仅有100余人,而其中的“专家级”人士,仅有50余位。稀缺性,让这些专家不得不满足中国数亿名乳腺X线钼靶拍摄潜在需求女性的阅片工作。

“乳腺病灶征象不如肺结节那样典型,在很多病灶的诊断上有较大的人为差别。比如结构扭曲,有的专家认为是结构扭曲,而有些医生则认为不是。加上亚洲女性多是致密性乳腺,更增加了阅片不一致的概率。”彭卫军教授透露,“同样一份乳腺X线钼靶影像结果,一位有经验的资深医生和低年资医生对于其标注结果差异可达30%,甚至更高。因此,该领域人工智能应用的潜力巨大。”

诊断不易 AI已来

研发钼靶AI的难度,绝非普通公司所能承受。

“从研发一开始,我们所遵循的就是ACR的最新指南,同时参考了NCCN指南、ACS指南及最新的中国乳腺癌诊治专家共识。无论研发还是工程技术人员,都得从头开始学习乳腺影像及乳腺癌相关知识,并与临床医生长期共事,深入理解工作流程及AI的应用场景,理解医生的痛点。”依图医疗医学产品总监林强表示。

经过专业标注的临床数据,不仅是搭建AI模型的关键,还是这款乳腺AI的基石。

“这款AI汇聚了全国多家顶级三甲医院的万量级乳腺癌影像检查数据,体位齐全、设备先进、拍摄专业、影像清晰,堪称国内目前顶级的乳腺肿瘤数据库。”林强颇为自信的表示,“在标注中,从硬件到软件都经过了精心的设计。”

为了让病灶征象描述更加全面,研发团队“住”在临床一线,请教专家、翻阅指南,为每一个征象描述撰写详细的标注规则。

为了让医生们看得更清楚,研发团队准备了专业的5M专业阅片屏,让看片更清晰,视觉压力更小。

为了减轻标注医师压力,不单纯追求标注进度,研发团队招募了几十名经过严格考核的专业医师组成标注团队,分散标注压力,避免抢进度现象的出现。

为了确保标注质量,每一张钼靶影像都经过至少5位医生的标注。只有结果高度一致的标注结果才被认可,存在争议的标注,会由更高年资的医生进行判断,并提交团队审核表决,最终由权威专家坐镇给出标注结果。

为了更加高效的监管标注流程,研发团队甚至在搭建AI模型之前,专门研发出了一套专门的标注管理系统。

高昂的数据整理、关联成本,繁琐的标注流程,众多的争议标注点,一度令研发团队崩溃,而最终的模型结果也并未辜负这份付出与期待,在落地医院的过程中,这套系统不断受到专家的高度评价。

“欧美的医生一天看10个患者的钼靶片子就很了不起了,但在中国,这一数字至少是50个,需要审片签字的副教授,一天看上100人,甚至150人的钼靶片都是家常便饭。时间紧,任务重,还不能遗漏任何病灶,医生的体力和精神长期处于高压之下。”,彭卫军教授透露,“人工智能系统能大大提升病灶检出的速度与精度,减少误检漏检现象,在提升阅片一致性的同时,将医生从繁重的机械性劳动中解放出来,从事真正具备创新意义的工作。”

摒弃公开数据集 这套乳腺AI“最中国”

随着国际学术交流的增加及越来越多顶级人工智能专家学者归国,利用海外公开数据集进行医疗AI研发在业内并不鲜见。客观而言,公开数据集及泛化AI模型的出现,极大推动了中国医疗人工智能的发展。但在乳腺X线钼靶AI的研发中,基于海外公开数据集进行研发的AI模型却遭遇了滑铁卢。

林强透露,与欧美多为脂肪型的乳腺不同,中国女性的乳腺多为致密性,腺体遮蔽和结构噪声更为明显,正常的乳腺组织和病灶区分度更小,这对AI系统的性能提出了更高要求。

“以公开数据集为基础研发的乳腺钼靶AI,其敏感性在实验室中虽然可以跑到95%甚至超过99%,但一旦落地临床敏感性就会出现严重下滑,需要长时间的调教与数据喂养,这无形中增加了临床医师的负担。”林强说,“此外,公开数据集也存在图像质量低、标注质量差、标注标准不统一等问题。”

林强以乳腺钼靶中单张MLO位图片为例,正常情况下,一张钼靶影像的分辨率高达4000x4000,总像素超过1600万,体积较大。而公开数据集为了方便发表,多将其压缩成普通的jpg格式,损失了大部分的像素,对于病灶的表现能力大大下降,微小病灶甚至有可能直接消失,训练出的AI模型水平可想而知。

因此,基于中国女性真实乳腺影像数据研发的AI优势显露无疑。

“我们专门为这套AI系统优化了图像读取的算法,实现了1600万像素影像的直接读取和秒级处理,不会出现任何的卡顿或崩溃,确保无论多么微小的病灶都能够明察秋毫,不损失任何细节,将病灶的形态精准还原,从这一点上来说,AI远超人类。”林强说。

助力基层 让“AI医生”上山下乡

目前,中国的绝大部分乳腺X线钼靶检查都集中在大中城市,而在广大基层医疗机构,近8亿城乡居民获得的医疗服务远逊城市,乳腺X线检查也不例外。

“未来,当乳腺AI更加成熟,乳腺癌的普适性早筛成本将会大大降低。乳腺癌的早期筛查方式也会发生改变,从高危人群逐步扩展到所有适龄女性,从而极大提高早期发现乳腺癌的可能,降低社会总体医疗开支。”,林强表示,“同时,通过将专家级的诊疗能力工具化,通过AI赋能基层医疗,有助于缓解当前基层医疗机构阅片医生短缺的困境,提升基层医疗机构乳腺疾病早筛水平。

声明: 本文系OFweek根据授权转载自其它媒体或授权刊载,目的在于信息传递,并不代表本站赞同其观点和对其真实性负责,如有新闻稿件和图片作品的内容、版权以及其它问题的,请联系我们。

发表评论

0条评论,0人参与

请输入评论内容...

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

医疗科技 猎头职位 更多
文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码:

粤公网安备 44030502002758号