AI杠上癌症，OK还是KO？

会员服务 ·

AI杠上癌症，OK还是KO？

2018 年 3 月 19 日 中国科学院自动化研究所 紫冬君

CASIA

点击蓝字关注我们↑↑↑↑

今日聚焦

癌症，可谓医学界的老大难。在人工智能与癌症的大战中，胜者会是谁？今天，凭一张图、一个概念、一点希望，随紫冬君一道，给癌症算上一卦~~

一张图

大数据下的美国NIH癌症

图中是1960年-2012年，52年的200多万的癌症数据。不同颜色的线代表不同的肿瘤，纵坐标是5年生存率。52年来，尽管NIH每年投入的研发经费是300亿美元，美国人每年看病要花掉4万亿，但肿瘤5年生存率依然是一条直线。大量的投入并没有带来显著的数据改变。黑色这条线，是艾滋病的5年生存率，艾滋号称血液中的癌症，早期死亡率很高，但有了有效措施之后，其有效生存率直线上升。

以上摘自田捷2017年全球人工智能与机器人峰会 “基于医疗大数据和人工智能的影像组学及其应用”报告

一个概念

影像组学

影像组学的概念真正提出来是2012年。当时它刚提出来时只是针对CT数据，把它用组学的方法进行分析。后续则将数据从CT扩展到磁共振、超声等，涉及到多影像。

自2012年概念提出以后，影像学的概念到2014年得到进一步延伸，走向临床。

从流程看，影像组学就是从医疗大数据中提取数据，利用AI方法挖掘肿瘤信息，实现临床辅助决策。

这是一个典型的模式识别、图象处理的机器读取的过程，先由影像数据提取特征，分析建模，给出分类决策。所以整个过程由计算机做影像识别，人在做诊断相互配合来完成。如果让计算机读取高维信息，人读机构信息，毫无疑问，AI辅助医生读片，就能达到“1+1＞2”的效果。

---摘自田捷2017年全球人工智能与机器人峰会 “基于医疗大数据和人工智能的影像组学及其应用”报告

一点希望

癌症精准诊疗的新机遇

肺癌的精确诊断和预后判断对于患者个体化诊疗方案的制定具有重要指导意义，也是国际肿瘤学临床研究的一大挑战性难题。影像检查是肺癌诊断和预后判断的重要手段之一，但传统影像分析基于医生主观经验判断，诊断效能有限，并且很多深层次的影像信息并未被挖掘利用，导致肿瘤诊断假阴性率和假阳性率一直居高不下。

针对这一难题，中科院分子影像重点实验室通过医工交叉和自主创新，构建了包含10万余例患者数据的多中心、多病种、多模态、多参数的医疗大数据资源平台，并基于其中的万余例肺癌数据和人工智能技术研发了一套肿瘤影像组学定量辅助诊断系统，可以自动实现肺结节病灶分割、海量影像特征提取和肺结节良恶性判断，对肺结节良恶性判断的准确率超过了85%，达到主任医师的判断水平。

以上仅仅是第一步！

实验室还与北京协和医院、华西医院和广东省人民医院等国内顶尖三甲医院共同开展肿瘤精准诊疗的合作研发和临床应用，为结直肠癌淋巴结转移预测、晚期肺癌患者靶向治疗疗效预测等临床疑难问题提供了有效的解决方案。

同时，将辅助诊断系统在全国基层医院进行了分级推广使用，特别是广东珠海、陕西安康和江西南昌的近两百家基层医院通过医联体模式，统一安装使用了该软件，将该软件应用于日常临床工作当中。

这很好地实现了医学效率和经济效益共赢，提升了基层医院影像科医生诊疗技术和阅片效率，为患者提供合理的诊疗建议，有效缓解“小病大治”造成的医疗资源、患者分配不均、老百姓看病难看病贵等问题，惠及了应用推广地区将近7000万人口！