侵權(quán)投訴
訂閱
糾錯
加入自媒體

《Nature》子刊提出AI病理診斷解釋方案,或解決人工智能CFDA三類申報獲批關(guān)鍵難點

深度卷積神經(jīng)網(wǎng)絡(luò)(CNNs)已在實踐中被證明是一種可以輔助生物醫(yī)學(xué)圖像診斷的技術(shù),并已廣泛運用于肺結(jié)節(jié)、眼底等放射影像識別。近日,病理領(lǐng)域的AI研究也有了新的進展。

2019年5月,國內(nèi)楊林團隊的論文《Pathologist-level Interpretable Whole-slide Cancer Diagnosis with Deep Learning》 被《Nature Machine Intelligence》收錄,該論文提出了一項用于AI病理診斷解釋的方案。

在文章所描述的實驗之中,研究人員運用AI技術(shù)對病理切片進行分析處理,并同時給出AI分析的依據(jù)。這是全球首篇發(fā)表在自然子刊上的關(guān)于討論病理圖像分析中的人工智能可解釋性問題的專著。

通過實驗所設(shè)計的方法,人工智能開始“理解”醫(yī)生的邏輯,并嘗試模仿人類醫(yī)生,給出診斷依據(jù)。對此,動脈網(wǎng)采訪了論文通訊作者楊林教授,并結(jié)合論文內(nèi)容,嘗試梳理出論文的邏輯及背后的深刻價值。

病理痛局推動科研發(fā)展

病理科被“現(xiàn)代醫(yī)學(xué)之父”威廉·奧斯勒稱為“醫(yī)學(xué)之本”,而病理醫(yī)生被認(rèn)為是醫(yī)生的醫(yī)生。病理科的含金量自然不言而喻,其診斷的準(zhǔn)確與否直接影響患者的健康和命運。

然而,據(jù)國家衛(wèi)生和計劃生育委員會2015年數(shù)據(jù)顯示,全國僅有9841名有資質(zhì)的病理醫(yī)生。這個數(shù)字與我國人口總量之比約為1:140000,與注冊醫(yī)師之比約為1:250。簡單的說:每個病理醫(yī)生都承擔(dān)了 5-10 倍的常規(guī)工作量,許多病理醫(yī)生都在超負(fù)荷地進行日趨復(fù)雜的高強度工作,誤診、漏診時有發(fā)生。

制約病理醫(yī)生資源發(fā)展的因素不僅僅是龐大的工作量、工作環(huán)境差、收入待遇低、培養(yǎng)周期長等因素嚴(yán)重影響了病理教學(xué)師資。病理醫(yī)師新生力量呈現(xiàn)“斷崖式”短缺。

AI技術(shù)的出現(xiàn)或許可以解決這個問題。有深度學(xué)習(xí)支撐的人工智能能夠以迅速、標(biāo)準(zhǔn)化的方式處理醫(yī)學(xué)影像,對可疑影像進行勾畫、渲染,并以結(jié)構(gòu)化的語言提出建議。

這些工作精力消耗大,重復(fù)性高,而AI不受制于工作性質(zhì)。實踐證明,在AI的幫助下,病理醫(yī)生不僅可以提高診斷效率、減輕工作量;還能提高工作強度,改善病理醫(yī)生工作環(huán)境,最終降低誤診、漏診率。

痛點確乎推進了科學(xué)研究的發(fā)展,但在AI輔助診斷被真正施于應(yīng)用時,種種問題隨之而來。

質(zhì)疑之聲中最為清晰而難以回答的便是以下兩個問題:AI是如何完成判讀?它對于切片的分析是否有依據(jù)?事實也是如此,如果這個問題得不到解決,病理醫(yī)生與CFDA監(jiān)管部門難以認(rèn)可AI的判讀結(jié)果——概率云并非一個合理的依據(jù)。鑒于此,楊林團隊開始了本次研究,用以解決AI病理診斷的可行性與可解釋性。

實驗條件下,AI可大幅度提升CAD準(zhǔn)確率

為了探尋AI輔助診斷過程中的可解釋性問題,研究團隊以膀胱癌患者的病理切片為研究對象,在保證AI分析切片準(zhǔn)確率的同時,通過構(gòu)建全新網(wǎng)絡(luò)架構(gòu),達(dá)到令該系統(tǒng)能針對診斷區(qū)域自動輸出文字的效果,而這些文字可表明系統(tǒng)的診斷依據(jù)。

對此,研究團隊設(shè)計了一個包含掃描器網(wǎng)絡(luò)(s-net),診斷器網(wǎng)絡(luò)(d-net)和聚合器網(wǎng)絡(luò)(a-net)三個模塊的神經(jīng)網(wǎng)絡(luò)系統(tǒng)。這三個模塊分別在系統(tǒng)之中起到分析圖像、文字表達(dá)、信息整合輸出的作用,共同發(fā)揮了腫瘤檢測與細(xì)胞表征提取的作用。

掃描器網(wǎng)絡(luò)(s-net)的核心是多模態(tài)CNN,這是一種特殊的深層的神經(jīng)網(wǎng)絡(luò)模型,它的特殊性體現(xiàn)在兩個方面,一方面它的神經(jīng)元的連接是非全連接的,另一方面同一層中某些神經(jīng)元之間的連接的權(quán)重是共享的。它的非全連接和權(quán)值共享的網(wǎng)絡(luò)結(jié)構(gòu)使之更類似于生物神經(jīng)網(wǎng)絡(luò),降低了網(wǎng)絡(luò)模型的復(fù)雜度,減少了權(quán)值的數(shù)量。

診斷器網(wǎng)絡(luò)(d-net)作用于每個勾畫ROI(感興趣區(qū)域,region of interest,AI框選出的需要關(guān)注的區(qū)域),分析病理特征并顯示特征感知網(wǎng)絡(luò),以嘗試解釋每個ROI的勾畫原理,以及解釋診斷器網(wǎng)絡(luò)在描述觀察時所看到的內(nèi)容,最終將分析流程及結(jié)果轉(zhuǎn)化為文字。

簡而言之,d-net的作用就是生成解釋性的內(nèi)容,告訴人類AI為什么框選出這些ROI,以及AI對單個ROI如何做的判斷。

聚合器網(wǎng)絡(luò)(a-net)則將掃描器網(wǎng)絡(luò)與診斷器網(wǎng)絡(luò)生成的信息進行集合處理,集成所有特征,并生成與影像相匹配的診斷結(jié)果。

通過逐塊掃描病理圖片,三個模塊從圖片像素中提取與數(shù)據(jù)庫對應(yīng)的有效像素并進行識別,最后轉(zhuǎn)化為可處理文本數(shù)據(jù),再使系統(tǒng)建立起文本與圖像之間的直接聯(lián)系。

診斷器網(wǎng)絡(luò)在數(shù)據(jù)格式轉(zhuǎn)化的同時,系統(tǒng)將運用NLP生成包含診斷組織細(xì)胞和細(xì)胞核特征的語言描述,匹配病理學(xué)家的操作方式,其生成的表述結(jié)構(gòu)符合臨床病理學(xué)報告標(biāo)準(zhǔn)。因此,這種方式可視為對人工智能診斷過程的解釋。

病理學(xué)家在實驗之中起到了重要的作用。當(dāng)病理學(xué)家對病理切片進行處理時,系統(tǒng)將捕獲病理學(xué)家的操作過程,如點擊圖像的位置,并將操作、醫(yī)學(xué)語言與系統(tǒng)語言相結(jié)合,這構(gòu)成了系統(tǒng)的運行和分析的邏輯的基礎(chǔ)。

最終,系統(tǒng)能夠通過其文本和視覺輸出明確地解釋其分析過程,并向病理學(xué)家提供直接證據(jù)(即第二意見)以供審查和目視檢查,從而幫助降低病理學(xué)家臨床決策中的主觀性差異。

本次實驗用了怎樣的樣本?

本次實驗總計采用了近千名膀胱癌患者的尿路上皮癌切片數(shù)據(jù),整個數(shù)據(jù)集分為620個用于訓(xùn)練的病理切片,193個用于驗證的病理切片和100個用于測試的病理片。

從形態(tài)上看,該數(shù)據(jù)集包括102例非侵入性低級別乳頭狀尿路上皮癌以及811例非侵入性或侵入性高級別乳頭狀尿路上皮癌。這些數(shù)據(jù)經(jīng)過了多位病理學(xué)家的嚴(yán)格診斷,且去除了低質(zhì)量的切片。

為了評估神經(jīng)網(wǎng)絡(luò)系統(tǒng)的效果,21名泌尿生殖病理學(xué)家參與了數(shù)據(jù)注釋和診斷性能評估。經(jīng)過大約近兩年的努力,病理學(xué)家使用研究人員開發(fā)的基于Web的注釋程序?qū)?shù)據(jù)進行了集體清理和手動注釋。

通過將該系統(tǒng)的測試結(jié)果與病理學(xué)家的常規(guī)檢查進行了比較,結(jié)果顯示,該系統(tǒng)實現(xiàn)了97%的曲線下面積(AUC)評分,其表現(xiàn)優(yōu)于大多數(shù)進行比較的病理學(xué)家。

此外,當(dāng)使用混淆矩陣進行比較(圖e,f)時,結(jié)果顯示系統(tǒng)的平均準(zhǔn)確度為94.6%,而病理學(xué)家的平均準(zhǔn)確度為84.3%。

實際上,統(tǒng)計結(jié)果還表明,病理醫(yī)生對于部分類型的前列腺癌的診斷一致率不足50%。因此僅從數(shù)據(jù)上看的話,此次論文中所提出的AI系統(tǒng),在準(zhǔn)確率和一致性上都有較好的表現(xiàn)。

1  2  下一頁>  
聲明: 本文系OFweek根據(jù)授權(quán)轉(zhuǎn)載自其它媒體或授權(quán)刊載,目的在于信息傳遞,并不代表本站贊同其觀點和對其真實性負(fù)責(zé),如有新聞稿件和圖片作品的內(nèi)容、版權(quán)以及其它問題的,請聯(lián)系我們。

發(fā)表評論

0條評論,0人參與

請輸入評論內(nèi)容...

請輸入評論/評論長度6~500個字

您提交的評論過于頻繁,請輸入驗證碼繼續(xù)

暫無評論

暫無評論

醫(yī)療科技 獵頭職位 更多
文章糾錯
x
*文字標(biāo)題:
*糾錯內(nèi)容:
聯(lián)系郵箱:
*驗 證 碼:

粵公網(wǎng)安備 44030502002758號