AI辅助检测脑动脉瘤灵敏度达97.5%，华为云成果登顶级期刊( 二 )

本文插图
脑动脉瘤检测算法的整体架构。
该研究使用了 534 名患者的 CTA 数据来训练深度学习检测算法，然后在另外 534 例数据上进行验证。验证集共含有 649 个动脉瘤，该研究算法检测出来了 633 个，灵敏度达到 97.5%；同时算法还检测出了 8 个新的动脉瘤，而这些动脉瘤在医生最初的诊断中被忽略了。这 8 个动脉瘤有 6 个直径小于 3mm ， 2 个在 3-5mm 之间，说明该研究算法对于微小动脉瘤也具备非常好的性能。

本文插图
数据获取、筛选和分割流程图。

本文插图
算法在验证集上的 FROC 曲线。
此外，为了验证该研究提出算法对放射科医生的协助作用，研究人员另外收集了 400 例 CTA 数据作为外部测试集（188 个阳性和 212 个阴性），由四名放射科医生分别在没有算法协助和有算法协助下进行阅片。统计结果显示，在有算法协助的情形下，放射科医生的表现都有一定的提升，特别是经验较少的医生进步最明显。

本文插图
帮助影像科医生，而不是取代他们
参与该联合项目的华中科技大学同济医学院附属协和医院影像科专家龙茜博士表示：「我们联合华为云开发的深度学习算法在检测动脉瘤方面表现出了出色的性能。我们发现极少数动脉瘤在最初的临床诊断报告中被忽略了，但它们被深度学习算法成功地识别出来了。」
该研究表明，深度学习算法在脑动脉瘤的诊断中具有潜力，有望在临床上作为第二意见的诊断工具。
AI 有许多优点，主要是因为其不受经验水平、工作时间和情绪等影响人类表现的因素的影响。对于三甲医院来说，「人工智能 + 医学影像」的引入可以改善高度依赖医生人工读片的传统模式，一定程度上缓解医学影像诊断的压力，同时满足三甲医院的科研需求。
对于基层医院来说，相比三甲医院，对复杂影像的处理能力、判断能力更为薄弱，因此误诊漏诊率更高。人工智能通过把影像诊断结果进行前期的分析和处理，可以提高筛查数量，降低误诊漏诊率，进而提高综合医疗水平。
当然，这个系统也有一些局限性。它可能识别不出非常小的动脉瘤或位于类似密度结构的动脉瘤，如骨骼。同样，它的判断也受到假阳性的影响，可能错误地将类似于动脉瘤的结构识别为动脉瘤，这时就需要医生把关，共同做出准确诊断。
人工智能会替代影像科医生吗？对此，龙茜博士表示：「与华为云合作开发 AI 深度学习算法的目的是帮助影像科医生，而不是取代他们。未来需要进一步收集、分析、验证更异构的高质量数据，进一步验证该算法，这是评估其推广性和对日常临床工作适用性的关键，需要 AI 算法专家、影像科专家等进一步通力合作。」
加速 AI 基础研究和医疗领域落地
随着人工智能的不断发展，国内主要 IT 和云厂商都在医疗、大健康领域有所布局。医疗基础研究方面，华为云 EI 创新孵化 Lab 重点聚焦于如何解决医疗领域的重大技术难题。
在 MICCAI 2019 、MICCAI2020、Radiology 等人工智能医学影像学术会议期刊上连续发表了华为云人工智能医学影像分析团队 6 篇论文，涵盖宫颈癌筛查、脑中风分割、心室分割以及平片诊断报告自动生成相关领域的研究成果。在 LUNA-2016、HC-2018、ISLES-2018 的个业界多个挑战赛事上获得业界领先水平。