人工智能正在影響諸多領(lǐng)域。但是，一些比較大的變化發(fā)生其中之一是醫(yī)學(xué)成像。盡管它可能不像自動駕駛汽車那么吸引人，但是人工智能驅(qū)動的成像正在做著更重要的事情：挽救生命。像CureMetrix這樣的公司正在將圖像分析從猜測游戲轉(zhuǎn)變?yōu)閿?shù)據(jù)驅(qū)動的過程。

典型的放射科患者不會使用CureMetrix的技術(shù)去看醫(yī)生。他們只知道他們的治療取決于準(zhǔn)確的診斷。幕后發(fā)生了什么，醫(yī)學(xué)成像行業(yè)的下一步是什么？事實(shí)證明，答案與無人駕駛汽車一樣令人振奮。

醫(yī)學(xué)影像革命

要了解AI改變了醫(yī)學(xué)成像世界的程度，了解低技術(shù)流程很重要。

“不久前，醫(yī)學(xué)影像就像是“瓦爾多在哪里？”?！盎旧希瑢＜視呙鑸D像，然后搜索可能表明癌癥病變之類的微小異常現(xiàn)象?！北M管經(jīng)過了所有醫(yī)生和放射科醫(yī)生的培訓(xùn)，他們還是會犯錯誤。研究表明，僅人為分析的錯誤率可能約為35%。

考慮一下：在沒有AI的幫助下，三分之一接受放射學(xué)檢查的患者的方向錯誤。并且由于不同的原因，任何方向的錯誤都是危險(xiǎn)的。如果遺漏了某些東西（假陰性），則患者將不會得到治療，癌癥會繼續(xù)發(fā)展。許多需要成像的條件都是時間敏感的。癌性腫瘤每天都會被忽視，并且會變得越來越大，轉(zhuǎn)移的風(fēng)險(xiǎn)也會增加。

另一方面，假陽性（意味著放射科醫(yī)生將良性特征誤認(rèn)為醫(yī)療問題）可能會使患者不必要地接受侵入性手術(shù)。例如，活檢是痛苦且昂貴的。平均而言，其中70-80%的人在尋找乳腺癌的過程中反而對患者及其家人造成了精神壓力。CureMetrix如何很大程度地減少錯誤，更重要的是，這對患者意味著什么？

第二雙眼睛

將CureMetrix的cmTriage視為另一雙眼睛。AI不能代替使用該工具的人-放射科醫(yī)生-但可以幫助他或她知道哪些情況可能是可疑的。

盡管AI不會替代放射線醫(yī)生，但使用AI的放射線醫(yī)生將替代未使用放射線的醫(yī)生。放射科醫(yī)生和乳腺X射線攝影專家已經(jīng)供不應(yīng)求，導(dǎo)致工作過度，倦怠和代價(jià)高昂的錯誤，最終可能導(dǎo)致訴訟。CureMetrix為放射科醫(yī)生提供了數(shù)據(jù)，使其成為抗癌斗爭中的另一種武器。

cmTriage已被FDA篩選為乳腺癌篩查的分類工具，為放射科醫(yī)生提供了預(yù)讀資料，有助于識別可疑病例。結(jié)果是有可能提高靈敏度，并減少患者召回。

在檢測乳腺癌方面，放射科醫(yī)生的平均敏感性為84.4%，其中9.6%的病例需要再次檢查。如果CureMetrix的敏感度為84.4%，則表明總共有6.4%的考核可疑。即使在默認(rèn)模式下，AI的操作特異性也比放射線醫(yī)師高。cmTriage可以在更高的靈敏度下運(yùn)行的事實(shí)更加強(qiáng)大。其默認(rèn)設(shè)置為93%，但可以設(shè)置為高達(dá)99%。

通過將深度學(xué)習(xí)和計(jì)算機(jī)視覺相結(jié)合，cmTriage可幫助放射科醫(yī)生識別可疑變化，從而使患有乳腺癌的人能夠更快地得到治療。同樣重要的是，它可以幫助放射科醫(yī)生識別不太可疑或可能正常的病例，從而減少患者多次就診或進(jìn)行危險(xiǎn)治療的機(jī)會。

從乳腺癌開始

當(dāng)前，CureMetrix僅可用于乳腺癌檢測。但是，為什么要罹患乳腺癌，它還能幫助哪些其他疾病呢？當(dāng)我問Alipour時，他指出了兩點(diǎn)：規(guī)模和乳腺癌的獨(dú)特挑戰(zhàn)-所有要檢測的癌癥中最復(fù)雜的。

每年，將近30萬美國人被診斷出患有乳腺癌，占女性癌癥診斷總數(shù)的30%。其次，估計(jì)每年在乳腺X射線攝影誤報(bào)上花費(fèi)40億美元?；顧z通常是檢測的第二步，表現(xiàn)出驚人的75%假陽性率?！拔覀兙褪遣荒芎雎赃@樣的數(shù)字，”阿利普爾說?！澳壳坝泻芏嗖煌陌┌Y，但是從乳腺癌或人類疾病的角度來看，它們卻不如乳腺癌昂貴?！?/p>

幸運(yùn)的是，對于其他癌癥患者，乳腺X線攝影術(shù)只是AI醫(yī)學(xué)影像改造的開始。CureMetrix計(jì)劃將其AI擴(kuò)展到醫(yī)學(xué)成像的其他領(lǐng)域。

一種適合所有人的檢測工具？

成像是癌癥檢測中的關(guān)鍵工具，但它并不是唯一的工具。其他方法，例如甲基化分析，也可以通過深度學(xué)習(xí)工具來增強(qiáng)。Alipour指出：“深度學(xué)習(xí)的一個優(yōu)勢是，它可以處理非結(jié)構(gòu)化數(shù)據(jù)。如果提供正確的訓(xùn)練數(shù)據(jù)，這種算法可以通過其他方式發(fā)現(xiàn)癌癥，例如查看化學(xué)特征?！?/p>

例如，Alipour提到了紐約大學(xué)Langone Health的一例。根據(jù)組織病理學(xué)診斷出一名年輕女孩患有復(fù)發(fā)性髓母細(xì)胞瘤，這是一種腦癌。然而，在AI的幫助下，她的醫(yī)生發(fā)現(xiàn)它實(shí)際上是另一種：膠質(zhì)母細(xì)胞瘤。

強(qiáng)調(diào)正確診斷的重要性在于，女孩的癌癥可能是用來抵抗第一個癌癥的輻射的結(jié)果。如果以同樣的方式再次對她進(jìn)行治療，那么這種治療可能會傷害到她而實(shí)際上并未消滅新的癌癥。

盡管在乳腺癌方面取得了診斷上的突破，但Alipour清楚地表明，通用的癌癥檢測工具仍在數(shù)年之內(nèi)。但是，我們到達(dá)那里的方式正是CureMetrix所做的：從最復(fù)雜的癌癥開始，然后從那里建立。