AI使能醫學，腦動脈瘤檢測重大突破_風聞

“人工智能+醫學影像”再添來自中國的新成果。

日前，放射學領域的國際頂級期刊Radiology（《放射學》）在線發表了一項來自華為雲EI創新孵化Lab團隊聯合華中科技大學電信學院、華中科技大學同濟醫學院附屬協和醫院放射科的最新研究成果：AI算法檢測動脈瘤靈敏度高達97.5%，幫助醫生臨牀診斷靈敏度提升約10個百分點，漏診率降低5個百分點。

Radiology雜誌為放射學領域的頂級期刊，一直被公認為該領域最新、最高質量研究的權威參考，2020年最新影響因子為7.9，是該領域內被引用次數最多的期刊之一。

該論文題為《基於深度學習的CT血管造影腦動脈瘤檢測算法》（“Deep Learning-Based Algorithm for Detecting Cerebral Aneurysms on CT Angiography Images”），闡述了一種基於CTA影像的全自動化、高度敏感的腦動脈瘤檢測算法。

論文鏈接：https://pubs.rsna.org/doi/10.1148/radiol.2020192154

Radiology最新發布華為雲、華中科技大學最新聯合醫療研究成果

腦動脈瘤輔診：“人工智能+醫學影像”新突破

“人工智能+醫學影像”，是將目前最先進的人工智能技術應用於醫學影像診斷中，幫助醫生診斷患者病情的人工智能具體應用場景，可以廣泛用於各類病灶識別與標註，如宮頸癌、肺部結節、心腦血管疾病輔診等。

腦動脈瘤是腦動脈內腔的侷限性異常擴大造成的一種瘤狀突出，存在滲漏或破裂風險，位居腦血管疾病病因中的Top3位置，堪稱是沉默又致命的殺手。腦動脈瘤造成了大約80%-90%的非創傷性蛛網膜下腔出血這一嚴重的腦部疾病，死亡率為23%-51%，另外還有10%-20%的永久殘疾風險，對其進行早期診斷與治療非常必要。動脈瘤位置多發，形態多樣，對醫生資歷要求較高。中國人口基數大，高資歷醫生匱乏，相關醫生工作強度極大。

動脈瘤破裂的風險取決於動脈瘤的大小、形狀和位置，因此腦動脈瘤的檢測和特徵提取是指導治療的關鍵。

CT血管造影成像（CTA）目前是評估顱內動脈瘤的主要影像學檢查手段，與磁共振血管造影（MRA）相比， CTA是一種快速且經濟有效的診斷技術，通常具有更廣的可用性和較高的空間分辨率。與數字減影血管造影（DSA）相比，CTA通常更廣泛且無創性，但是由於腦動脈瘤體積小和顱內血管的複雜性，即使專業的放射學專家進行診斷也需要耗費很長的時間，一些小動脈瘤還可能被遺漏。

文章顯示，華為雲EI創新孵化Lab團隊聯合華中科技大學電信學院、華中科技大學同濟醫學院附屬協和醫院放射科運用華為雲一站式AI開發平台ModelArts，開發了一套基於CTA影像的全自動化、高度敏感的腦動脈瘤檢測算法。

ModelArts平台提供數據預處理及半自動化標註、大規模分佈式訓練、自動化模型生成及端-邊-雲按需部署能力，幫助用户快速創建和部署模型，管理全週期AI工作流。

該算法含有一個編碼器和解碼器，並在編碼器解碼器中間使用了密集的空洞卷積(DAC)和殘差多核池化(RMP)模塊。輸入的CTA圖像被重採樣至0.39×0.39×0.39mm3的分辨率，算法輸出會給出動脈瘤存在概率、動脈瘤位置以及直徑大小等信息，並在CTA原始圖像上為可疑的動脈瘤勾畫出一個邊界框。

該研究中使用了534名患者的CTA數據來訓練深度學習檢測算法，然後在另外534例數據上進行驗證。驗證集共含有649個動脈瘤，該研究算法檢測出來了633個，靈敏度達到97.5%；同時算法還檢測出了8個新的動脈瘤，而這些動脈瘤在醫生最初的診斷中被忽略了。這8個動脈瘤有6個直徑小於3mm，2個在3-5mm之間，説明該研究算法對於微小動脈瘤也具體非常好的性能。

同時，為了驗證本研究算法對放射科醫生的協助作用，另外收集了400例CTA數據作為外部測試集（188個陽性和212個陰性），由四名放射科醫生分別在沒有算法協助和有算法協助下進行閲片。統計結果顯示，在有算法協助的情形下，放射科醫生的表現都有一定的提升，特別是對那些經驗較少的醫生進步最明顯。

幫助影像科醫生，而不是取代他們

參與該聯合項目的華中科技大學同濟醫學院附屬協和醫院影像科專家龍茜博士表示：“我們聯合華為雲開發的深度學習算法在檢測動脈瘤方面表現出了出色的性能。我們發現極少數動脈瘤在最初的臨牀診斷報告中被忽略了，但它們被深度學習算法成功地識別出來了。”

結果顯示，深度學習算法在腦動脈瘤的診斷中具有潛力，有望在臨牀上作為第二意見的診斷工具。

AI有許多優點，主要是因為其不受經驗水平、工作時間和情緒等影響人類表現的因素的影響。對於三甲醫院來説，人工智能+醫學影像的引入可以改善傳統高度依賴醫生人工讀片模式，在一定程度上緩解醫學影像診斷的壓力，同時亦可滿足三甲醫院的科研需求。

對於基層醫院來説，相比三甲醫院，對複雜影像的處理能力、判斷能力更為薄弱，因此誤診漏診率更高。人工智能通過把影像診斷結果進行前期的分析和處理，可以提高篩查數量，降低誤診漏診率，進而提高綜合醫療水平。

人工智能會替代影像科醫生嗎？對此，龍茜博士表示：“與華為雲合作開發AI深度學習算法的目的是幫助影像科醫生，而不是取代他們。未來需要進一步收集、分析、驗證更異構的高質量數據，進一步驗證該算法，這是評估其推廣性和對日常臨牀工作適用性的關鍵，需要AI算法專家、影像科專家等進一步通力合作。”

加速AI基礎研究和醫療領域落地

隨着人工智能的不斷發展，國內主要IT和雲廠商都在醫療、大健康領域有所佈局。醫療基礎研究方面，華為雲EI創新孵化Lab重點投入聚焦解決醫療領域的重大技術難題，相關論文投遞醫療頂會頂刊，在業界多個挑戰賽事上如LUNA-2016、HC-2018、ISLES-2018、MICCAI2019、MICCAI2020等獲得業界領先水平。

國際頂級人工智能醫學影像學術會議MICCAI（國際醫學圖像計算和計算機輔助干預會議）在2019年、2020年連續發表了華為雲人工智能醫學影像分析團隊5篇論文，涵蓋宮頸癌篩查、腦中風分割、心室分割以及平片診斷報告自動升生成相關領域研究成果。

同時，華為云為用户提供端到端的AI使能平台，覆蓋醫療影像、基因組、製藥等領域，與醫療行業領先企業及醫院和高校合作，加速AI研究和應用落地。

在醫療影像領域，華為雲可提供企業級的醫療影像AI平台，支撐全流程可追溯的端到端AI建模，助力醫療影像AI更加系統、快速、安全地走向市場。

新冠肺炎疫情期間，華為雲聯合華中科技大學等夥伴推出新冠肺炎AI+CT輔助診斷與量化分析服務：可實現新冠肺炎患者初篩，實現單病例量化結果秒級輸出，新冠肺炎敏感度超過99%；並可快速、準確地為影像及臨牀醫生提供CT量化結果，分割精度與醫生手工精準勾勒高度一致，緩解可精準診斷新冠肺炎影像醫生緊缺的局面及隔離防控壓力，減輕醫生診斷工作負荷。該方案在全球數十個國家的醫院推廣應用。

—————————————————————————————————

微信關注公眾號“懂懂筆記”每天第一時間為您奉上最新最熱的科技圈資訊~

多年財經媒體經歷，業內資深分析人士，圈中好友眾多，信息豐富，觀點獨到。

發佈各大自媒體平台，覆蓋百萬讀者。

《小米生態鏈戰地筆記》、《微信思維》、《微信力量》三本暢銷書的作者。