人工智能丨日本研究:以AI人工智能診斷早期胃癌組織範圍,檢出病例的準確率高達近95%!

醫療頭條

405

人工智能丨日本理化學研究所及國立癌症研究中心的聯合研究團隊,開發出一種可預測早期胃癌區域的人工智能,並利用其驗證臨床病例。結果發現近95%的早期胃癌病例被成功檢出,而其對早期胃癌病變區域的預測,更與內窺鏡專科醫生的診斷範圍準確度非常相近。

撰文:Yuuki@Medical Inspire 醫.思維丨圖片來源:Roman Zaiets@Shutterstock、Olena Yakobchuk@Shutterstock、AIで早期胃がんの範囲診断が可能に-内視鏡専門医の診断精度に迫る-@国立がん研究センター丨資料來源:《Journal of Gastroenterology》期刊

人工智能丨日本研究:以AI人工智能診斷早期胃癌組織範圍,檢出病例的準確率高達近95%!

胃癌是香港常見癌症,為癌症中第四大殺手,由於其初期症狀並不明顯,常被許多患者當作普通胃部不適而延誤診治,使病情惡化,甚至已擴散到其他組織,達到中晚期。日本理化學研究所(理研)及日本國立癌症研究中心的聯合研究團隊,開發出一種可預測早期胃癌區域的人工智能,並利用其驗證臨床病例。結果發現近95%的早期胃癌病例被成功檢出,而其對早期胃癌病變區域的預測,更與內窺鏡專科醫生的診斷範圍準確度非常相近。團隊已將研究成果於日本時間5月31日發表在美國醫學期刊《Journal of Gastroenterology(美國胃腸病學雜誌)》上。

人工智能
日本研究團隊,開發出一種可預測早期胃癌區域的人工智能。

研究目的與方法

因早期胃癌病變組織在形態上變化非常微,即使以內窺鏡檢查,也可能只能看到一個邊緣不清楚、顏色較深的區塊,或伴隨著表面略略的隆起或凹陷,與胃炎等炎症難以區分。加上因病灶邊界不清,即便可以發現病灶,但由於切片時必須在病灶周圍取樣,對於邊緣不明顯的早期病灶,常在切片時因沒有取得惡性部位,而讓病人錯失治療先機。另外,因難以準確判斷癌的浸潤程度,亦對後續治療的準確性有著很大影響。

為此,研究團隊推進了早年關於使用深度結構化學習(deep structured learning)人工神經網絡技術,自動檢測早期胃癌的研究,構建出一能夠預測早期胃癌病變區域的AI人工智能,並在臨床環境中連續使用了1年,作為病例的驗證。結果發現,在137名患者中,有130例,即94.9%早期胃癌被成功檢測出。此外,亦將由AI確定的病變區域與6位內窺鏡專科醫生的診斷區域進行了初步比較,發現AI診斷具有極佳的靈敏度,對與真實病變區域的區域匹配率與專科醫生的診斷幾乎相同。

  • DSE放榜2024|8名狀元欲從醫!醫療人才短缺,本地狀元紛紛投身醫學

  • 人工智能
    發現該AI診斷具有極佳的靈敏度。

    研究結果顯示,在387個癌症圖像中,77.5%即有307張對於早期胃癌發現:存在或不存在被正確判定;陽性預測率為81.3%、陰性預測率為80.4%。在137宗臨床個案上,則有130例,即94.9%正確地判定病變是否出現。在參照了專科醫生於內窺鏡檢查後病理診斷作出的診斷範圍準確度與AI預測的區域進行比較時,發現兩者的IoU,即正確區域與預測區域之間的匹配度幾乎相同。

    人工智能
    AI對與真實病變區域的區域匹配率與專科醫生的診斷幾乎相同。

    研究發現AI早期胃癌病變區域預測
    與專科醫生診斷範圍準確度相近

    研究人員指出,研究中的AI人工智能可以通過少量數據高效率地學習早期胃癌病變,並實現了與專科醫生精準度相近的病變區域預測。團隊認為,AI的優勢在於學習所需的數據少,也方便適用於其他施設與裝置,對於重新接受數據再學習亦非常容易,或可以應用於其他更難以收集訓練數據的主題,例如罕見的癌症上。

    人工智能
    團隊期望該AI可在未來於世界各地中引入進內窺鏡影像診斷中,成為日常醫療檢查。

    研究人員認為,是次研究可以證明AI在早期胃癌的區域預測方面與內窺鏡專科醫生的區域診斷有著相當的性能。團隊期望該AI可在未來於世界各地中引入進內窺鏡影像診斷中成為日常醫療檢查,除了可以減輕醫生的負擔,也可以改善診斷設備的性能差異,成為診斷技術標準化的有力工具。

    Subscribe to Medical Inspire Telegram for instant news and information : 
    http://bit.ly/2sm3Zve

    Subscribe to Medical Inspire Youtube channel for professional medical information :
    http://bit.ly/2Fd1JPu

    FACEBOOK
    HOT PICK