有望晋升诊断效力 AI帮助宫颈癌筛查仅需36秒 2019-11-26

来自: 科技日报
订阅: 262人

  有望晋升诊断效力 AI帮助宫颈癌筛查仅需36秒

  好机友

  AI在医疗领域又有了新进展。细胞病理医生镜下浏览宫颈细胞涂片,均匀每例要破费6分钟,而AI辨认仅需36秒。也就是说,通过AI帮助宫颈癌筛查模型判读速度是人工判读的10倍。

  近日,华为技术有限公司(以下简称华为)与金域医学结合宣告,双方配合研发的AI帮助宫颈癌筛查模型在排阴率高于60%的根底上,阴性片判读的正确率高于99%,阳性病变的检出率也超过99.9%。这是目前国际已颁布的海内外AI帮助宫颈癌筛查的最高程度。

  病理医生紧缺 AI来助力

  病理状态学诊断被医学界公以为疾病诊断的“金尺度”。“病理专业职员在传统显微镜下阅片,须要以人的视觉诠释、常识积聚、技巧与资质作为根底,培训周期可长达10年摆布。”据金域医学首席信息官李映华先容,我国病理医生的人才资源长期处于稀缺形态。

  数据显示,目前我国病理医生缺口高达8—10万人,而且大局部病理医生集中大城市三甲病院。要应答病理人才匮乏困难,减轻病理医生的工作压力,进步诊断效力,人工智能帮助病理诊断被以为是其中一个可行方案,并已成为医疗领域最抢手的研讨标的目的之一。据没有完整统计,目前海内已有超20个团队正在发展人工智能帮助病理诊断的摸索。

  “在这个标的目的上,咱们以为引入AI帮助,能够极大缓解病理医生稀缺情形。”李映华说。2018年,金域医学与华为签订策略配合协定,在人工智能领域发展配合,双方首个配合标的目的锁定在宫颈癌筛查。

  为何取舍此领域?每年全世界新增宫颈癌患者约50万,我国发病率又占到26%。但宫颈癌假如越早发觉,越早医治,可将5年生存率晋升至90%。“我国宫颈癌筛查的适龄妇女人群超过3.5亿人,即便以每3—5年进行一次筛查的尺度来权衡,目前海内的筛查才能仍旧远远未能到达要求。”李映华表现,因为细胞病理医生的极度稀缺,制约了宫颈癌筛查进一步推广。

  AI要在医疗领域中施展作用,须要大批的病理数据作支持。“咱们每年检测标本的大样本数据超过6000万例。截至2018年底,金域宫颈病变检测核心累计收到来自全国31个省市区的宫颈癌筛查样本超过4350万例。”该名目带头人、金域医学病理核心主任罗丕福博士说,“此次技术开发中筛选 进行模型练习跟 验证的32000例样本就涵盖了广东、广西、江苏、山东、四川等多个省份,春秋与地域散布均存在普适性,用于练习的阳性数据最新包含2019年,最早可追溯到2007年。”

  应用深度学习向AI模型传授诊断常识

  此次双方配合主要集中在AI帮助宫颈癌筛查模型的开发。

  罗丕福表现,本次开发先从金域医学历年所积聚的4350万例宫颈细胞学筛查样本中,筛选 出近20万个图像块,进行精准标注跟 AI帮助筛查模型练习。

  华为的华为云AI团队开发出的平台ModelArts,从标注、练习模型、图片断定、推理等方面为AI模型的练习跟 利用提供技术支持。“平台对于已经上传到云真个海量图像块进行半主动化标注,大大俭省了病理医生标注的光阴跟 精神。”华为云AI团队相干负责人先容,以华为AI昇腾系列芯片为代表的壮大算力,有力支持了整个AI模型的练习与推理进程。

  开发中,首先由金域医学病理专家进行标注,确保模型能够对于各种病变细胞的状态进行充足的学习。基于这些图像块级另外标注,AI模型先对于样本进行初步分类,高效划分阳性细胞密度较高的样本。而后,AI模型再进一步对于阳性细胞进行精准辨认,确保在阳性细胞密度较低的样本上仍能获取精确的帮助判读成果。为确保成果无误,算法还一并拔取一系列可疑的部分视线,交由病理医生终极复阅。

  “在确保标注数据的精确性后,再应用深度学习的法子重复推理、练习,相称于由病理专家‘手把手’向AI模型传授病理诊断常识。” 罗丕福说。

  验证成果标明,该模型不只取得目前国际已颁布的海内外AI帮助宫颈癌筛查的最高程度,且预期可使病理医生进行单次细胞学反省的工作量减少超过60%,筛查效力大幅晋升。细胞病理医生镜下浏览宫颈细胞涂片的均匀光阴从6分钟进步到36秒,判读速度是人工判读的10倍摩拜超15分钟加钱。

  “我听了这个结果很兴奋。病理医生天天都肩负着很重的病理诊断义务,通常要看完1万多个细胞后才敢进行病理诊断,天天透过显微镜看100多张片是膂力活,特殊累。” 细胞病理专家梁小曼教学表现,AI帮助技术解决了此痛点。其可取代局部比拟单调、沉重而反复的阅片工作,让病理医生把更多精神集中在准确诊断上。

  “一旦AI帮助宫颈癌筛查落地利用跟 推广,将能够大幅晋升宫颈癌筛查效劳笼罩的人群范畴与效劳频次,使得对于适龄妇女人群的筛查品质能够趋近发达国度的程度,匆匆进宫颈癌早筛早治。”李映华泄漏,双方还将在乳腺、消化道、肾脏、血液等其余病理AI场景中追求新的配合标的目的,摸索更多利用可能。

收藏 |  评论 |  推荐给好友  | 
本文共有 262 次分享
评论
共有 - 条评论

我要反馈