AI防癌:癌症之王的胰腺癌可以通过普通CT检测出来了

新闻

作者：平凡的平凡
我想先给看这篇回答的读者分享一点点的癌症基本的统计知识，也是给大家提个醒。

           

根据2022年2月国家癌症中心发布的全国癌症统计报告，2020年全球癌症死亡案例996万，中国最多，占到300万，差不多30%。

           

           

[img=537.3400268554688,281.34002685546875]https://mmbiz.qpic.cn/mmbiz_png/8iaiavmPFssia3opbiaCzuLJRo38HGYxvpG5Ze8qRxjSbibJuNZaR6pSejDklEFmaIicGowCzics3al41rYlEOCzdNqUw/640?wx_fmt=png[/img]

           

癌症新发病例中肺癌，结直肠癌和胃癌占前三位，胰腺癌也不少有12万例，占到2.7%。

           

[img=533.3400268554688,313.34002685546875]https://mmbiz.qpic.cn/mmbiz_png/8iaiavmPFssia3opbiaCzuLJRo38HGYxvpG5esEw5fnSTvUgWicibvrAyoKWo89dboecvE9sgxyUKDhbs2PXRCNHaNBw/640?wx_fmt=png[/img]

           

接着就是存活率，一般用五年或者十年存活率来表示。通俗点讲，五年存活率就是某种癌症经过治疗后，生存五年以上的患者所占的比例。

               

你知道吗？胰腺癌几乎是存活率最低的癌症之一。

[img=595.2100219726562,353.6700134277344]https://mmbiz.qpic.cn/mmbiz_jpg/8iaiavmPFssia3opbiaCzuLJRo38HGYxvpG5fGCkupad5z2jBm0tiag5olU4IqlDibkwJIfOPLNMENQlVXrJR95trNCQ/640?wx_fmt=jpeg[/img]

《Cancer survival in China, 2003-2005: a population-based study》

           

而有些癌症比如乳腺癌之类的存活率就要高得多，主要原因有四个：

           

1 早期症状不明显，等到了晚期才会有比较明显的身体表现。

2 位置隐蔽，它在腹部的深处，被很多个器官包围，不容易被发现。

3 诊断难，一般的诊断方法，比如CT或者MRI都不容易发现

4 缺乏有效的早期筛查手段

           

这四个原因其实都指向了一个最基本的问题，通过常规手段难以发现。它不像其他的癌症，普通的CT，甚至是肉眼都可以做出一定的判断，而那些非常规的手段往往都代价不菲，难以支持大规模的早期筛查。

           

阿里达摩院的这个让我觉得十分牛逼的地方就是，它花费低，甚至不需要特意的针对性的检查，并且相同的思路可以推广到更多的癌症早期筛查上去，这些技术是可以实实在在挽救生命的。

           

           

接下来我就来试着解释下这个技术的实现原理，这个工作叫《Large-scale pancreatic cancer detection via non-contrast CT and deep learning     

》，发表在顶级期刊Nature Medicine上。

           

           

[img=601.739990234375,163.4700164794922]https://mmbiz.qpic.cn/mmbiz_png/8iaiavmPFssia3opbiaCzuLJRo38HGYxvpG5EVtnmDViaN63q0gttgEjTibD0wl30tWd0Nl17ZeFm521Vm6nCmeZGribg/640?wx_fmt=png[/img]

           

           

这个题目翻译成中文就是利用平扫CT和深度学习的大规模胰腺癌检测。

           

这里面有两个关键词：平扫CT和深度学习。

           

其中平扫CT是检测的数据，深度学习是方法。

           

为什么要强调平扫CT，因为如果你在医院做过CT的话，就知道CT有两种，一种是平扫CT，与之对应的是造影剂CT，后者需要你服下一种特殊的液体，可以让CT的结果更加的清晰和精确，但同样的，它的价格是平扫CT的几倍，对于一般收入的人来说很少会定期的主动进行造影CT检测。

           

其实这就是这项工作特别牛的一个目标，用平扫CT的数据做检测，而不是造影CT，因为后者明显是少数人的选择，这样也无法做大规模的早期筛查。

           

它的具体训练方法利用了深度学习中transfer learning也就是迁移学习的特性，在训练模型的时候提取了造影CT数据的特性，然后结合到非造影CT数据中。   

[img=558.6799926757812,493.3399658203125]https://mmbiz.qpic.cn/mmbiz_png/8iaiavmPFssia3opbiaCzuLJRo38HGYxvpG5TntIZccpHL7AibgGtnu6bLt7NKLNF58RER5U0wicyMKUpG8ibPnsso7fQ/640?wx_fmt=png[/img]

           

举个例子就是，把不属于平扫CT的来自于造影CT的特性附加到平扫CT模型中，这样的模型在做胰腺癌检测的时候虽然处理的是平扫CT的图像，但是结果却是造影CT的。

           

这样的直接好处就是你只需要做平扫CT，但收到的结果却是造影CT级别的。

           

这个PANDA算法的效果在真实数据上的检验效果非常好，实现了92.9%的敏感性（正确判断有肿瘤的机率）和99.9%的特异性（正确判断无病的机率）。

           

这个概率简单来说，就是检测出的1000个病例中，只有一个是假阳。意味着以前这个人没得胰腺癌但是检测结果是胰腺癌，但这并不是什么坏事，因为你只需要做一次检测就可以解决。

           

           

并且我觉得特别赞的是，他们把他们的论文和模型开源了

               

[img=601.739990234375,225.07000732421875]https://mmbiz.qpic.cn/mmbiz_png/8iaiavmPFssia3opbiaCzuLJRo38HGYxvpG5QepKXl02CyZWBezDOPwzoLx5phAxibtAE0sQ7q3iavKpfj4TYtx1MZ3g/640?wx_fmt=png[/img]

           

           

如果你是相关专业人士，你甚至都可以直接用他们的模型。

           

[img=601.739990234375,304.6700134277344]https://mmbiz.qpic.cn/mmbiz_png/8iaiavmPFssia3opbiaCzuLJRo38HGYxvpG5SludL6Zcre7VGCicJnK8aTKibQqibia0SxMGcHY0kql5OhN4N8XIac3Maw/640?wx_fmt=png[/img]

           

           

           

AI 辅助医学检测

           

其实这就是AI在图像处理方向的一个分支，也叫医学影像处理。

           

做的就是利用AI进行医学辅助诊断，而这个胰腺癌的检测就是一个非常典型的例子，它可以做到简单、低价和大规模三个特性。

           

与此相对应的是所谓的精准医疗，或者说精准检测，比如通过基因，血液等等，先不说这类型检测的代价有多高，仅仅是理论其实都有很多地方站不住脚。

               

比如血液检测，其中的微量成分其实很难支持非常solid的结论，特别是在血液到疾病这条线，很难形成因果关系，大多数仅仅属于相关性的范畴。

           

而AI+图像不一样，一旦某个地方产生病变，特别是癌变，它就是会变的跟其他地方不一样，而只要让医生可以看到具体的位置，癌变就是可以被看到，这比因果性还要solid，这是所见即所得。

           

而这个理念在以前做不到我们之前说了，很多地方被重重包围，很难看清楚，但AI不一样，它可以用很多的方式让不清晰的图片变清晰。

           

另外它的检测成本足够的低，速度也够快，进行一次胰腺癌检测仅仅要几十秒，这样的速度加上并行运算，就是把全中国13亿人全部检测一边也花不了多少时间。

           

           

这就是我觉得医疗影像AI辅助诊断的强大之处，它可以让一个以前「贵族」才能享受的福利可以造福更大范围的人。

           

更不用说AI可以做到定制化的医疗，在我的构想中，以后每一个人类都有一个专属的AI，其中很大的一块就是健康监测AI，它是一个根据你的身体状态、遗传特性以及检测环境的私人AI管家。

           

它能够提供24/7的全面健康监控服务：

           

·实时数据分析：通过可穿戴设备，AI医疗管家可以实时监测心率、血压、血糖等生命体征，利用高级算法及时发现异常指标。

·行为模式识别：AI可以分析日常活动和行为模式，识别与健康问题相关的潜在风险。

·环境监测：结合环境传感器，AI医疗管家能监控空气质量、温湿度等，提供改善生活环境的建议。

           

           

对于医疗影像AI的应用前景，我个人是充满期待的，这个甚至有一篇文章特意评价了达摩院的这项工具，题目为「基于医疗影像AI的癌症筛查即将进入黄金时代」。这个评价要比我的还要更为积极。，   

[img=601.739990234375,367.80999755859375]https://mmbiz.qpic.cn/mmbiz_png/8iaiavmPFssia3opbiaCzuLJRo38HGYxvpG51QiatGqCGb23U2IuRJQd8v2hySusUypCAss63ZBXQ55YkaBHNZJicNRA/640?wx_fmt=png[/img]

           

我认为在未来的医疗检测中，图像数据，就诊记录，甚至人的行为模式，以及声音等各种信息都可以作为数据进行模型的训练以及用于检测，未来的模型一定是多模态的。