研究利用人工智能对抗乳腺癌
根据世界卫生组织的数据,乳腺癌最近已经超过肺癌,成为全球最常见的癌症。为了推进与乳腺癌的斗争,2019年国际医学影像学会(SPIE Medical Imaging 2019)发起了“乳房路径q挑战赛”,以支持评估乳腺癌病理的计算机辅助诊断的发展。
参与者的任务是开发一种自动分析乳腺组织显微镜图像的方法,并根据肿瘤细胞含量对其进行排名,以提供一个可靠的评估分数。据SPIE报道医学影像杂志(JMI),该挑战产生了令人鼓舞的结果,指明了一条通往整合的道路人工智能(AI)简化临床评估乳腺癌.
新辅助治疗的医学影像学
对于大型或侵袭性乳腺癌的治疗,通常会将乳房切除术作为最可靠的治疗方法。然而,被称为“新辅助治疗”的治疗可以减少肿瘤的大小、密度和扩散,使患者适合乳房保留手术而不是乳房切除术。
医学成像使医生能够评估新辅助治疗的效果。虽然分析医学图像用于癌症检测的过程通常是手动执行的,并依赖于专家对复杂组织结构的解释,机器学习算法用于识别癌症可以增加这些过程的可靠性和效率。除了减少人类病理学家固有的可变性之外,像这样的全自动方法有望提高图像分析的速度。
集中注意力,国际合作
来自全球12个不同国家的39个团队参加了“胸路q”挑战赛。总共开发、验证和测试了100种算法。团队能够将他们的算法与来自学术界、工业界和政府的其他算法进行比较,这是由大挑战框架构建的,该框架需要一组共享的源数据。
大多数团队都使用了机器学习算法的集成,而不是将自己局限于单一的AI架构。顶级算法的表现水平与为研究提供参考标准的病理学家相当,而且表现最好算法略高于病理学家的分数。算法通常在较容易的图像补丁上表现良好,但在较难的补丁上表现不佳——在这些补丁上AI对病理学家尤其有益。
“胸路问”挑战赛之所以成功,是因为组委会汇集了多个领域的专家。根据美国FDA设备和放射健康中心成像、诊断和软件可靠性部门副主任、BreastPathQ挑战小组代表Nicholas Petrick的说法,先进的协作基础意味着参与者能够快速有效地解决任务,访问数据集,并开发他们的算法。
进一步探索
用户评论