机器学习和成像技术可能提高结肠癌诊断
结直肠癌是全球第二大常见癌症，约90%的病例发生在50岁或50岁以上的人群中。癌细胞起源于结肠的内表面或粘膜层，可以穿透结肠的深层并扩散到其他器官。如果不及时治疗，这种疾病是致命的。
目前的结肠癌筛查是通过柔性结肠镜检查进行的。该过程包括用安装在内窥镜上的摄像机对结肠和直肠的粘膜衬里进行视觉检查。然后对出现异常的区域进行活检分析。虽然这是目前的护理标准，但它确实有缺点。首先，这种技术依赖于视觉检测，但肉眼很难发现小病变，早期恶性肿瘤往往会被遗漏。其次，视觉内窥镜只能检测到肠壁表面的变化，而不能检测到肠壁深层的变化。
朱清，教授生物医学工程圣路易斯华盛顿大学麦凯维工程学院的教授和生物医学工程博士生曾轶峰正在开发一种新的成像技术，可以提供准确、实时的计算机辅助诊断结肠直肠癌．
使用深度学习这是一种机器学习，研究人员将该技术应用于超过2.6万帧来自结肠直肠的成像数据组织以确定方法的准确性。与病理报告相比，在这项初步研究中，他们能够100%准确地识别肿瘤。
这是第一个使用这种类型的成像结合机器学习来区分健康的结直肠组织与癌前息肉和癌组织的报告。研究结果提前发表在《治疗学》(theranotics)杂志上。
这项研究技术是基于光学相干断层扫描(OCT)，这是一种光学成像技术，已在眼科领域应用了20年，用于拍摄视网膜图像。然而，McKelvey学院和其他地方的工程师一直在将该技术用于其他用途，因为它提供了高达1- 2毫米的成像深度的高空间和深度分辨率。OCT检测健康组织和病变组织折射光线的方式的差异，对癌前和早期癌症形态变化高度敏感。当进一步发展时，该技术可以作为一种实时、无创的成像工具，与传统的结肠镜检查一起，协助筛查深层癌前息肉和早期结肠癌。
“我们认为这项技术，结合结肠镜内窥镜，将非常有助于外科医生诊断结直肠癌，”朱说，该论文的高级作者，同时也是华盛顿大学医学院马林克罗特放射学研究所的放射学教授。“还需要进行更多的研究，但我们的想法是，当外科医生使用结肠镜检查结肠表面时，这项技术可以在局部放大，帮助更准确地诊断更深的癌前息肉和早期癌症，而不是正常组织。”
朱和她的团队与马修·马奇博士合作，马修·马奇博士是结肠和直肠外科主任;William C. Chapman Jr.，医学博士，结肠直肠外科住院医师;以及Deyali Chatterjee，医学博士，病理学和免疫学助理教授，都在医学院。
两年前，这篇论文的第一作者曾博士开始使用OCT作为一种研究工具，对医学院患者的结肠直肠组织样本进行成像。他观察到，健康的结肠直肠组织有一种与牙齿相似的模式。然而，癌前组织和癌前组织很少表现出这种模式。牙型是由结肠直肠组织健康黏膜微结构的光衰减引起的。
曾轶可开始与另一名获得硕士学位的研究生徐世奇合作电气工程他是该论文的第一作者之一，用于训练视网膜网(RetinaNet)，这是一种大脑的神经网络模型，其中神经元以复杂的模式连接以处理数据，以识别和学习组织样本中的模式。他们使用从患者组织样本中20个肿瘤区域、16个良性区域和6个其他异常区域获得的大约26000张OCT图像来训练和测试该网络。将该系统预测的诊断结果与使用标准组织学对组织标本的评估结果进行比较。病理学住院医师Zahra Alipour和Heba Abdelal协助比较。研究小组发现，其敏感性为100%，特异性为99.7%。
“我们系统的独特之处在于，我们可以在图像中检测到结构模式，”曾说。“使用OCT，我们正在成像，我们可以在所有正常组织中找到模式。然后我们可以使用这种模式对异常组织和癌组织进行分类，以进行准确的诊断。”
Zhu, Zeng及其团队与生物医学工程副教授Chao Zhou合作，目前正在开发一种导管，可以与结肠镜内窥镜同时使用，以分析结肠组织表面的牙齿状图案，并从视网膜网向外科医生提供癌症概率评分。
“现在，我们可以在4秒内获得反馈，”曾鸣说。“随着计算速度和导管的进一步发展，我们可以向外科医生提供反馈实时曾说。
进一步探索
