極客網(wǎng)·極客觀察11月16日 連切口都不需要醫(yī)生就可以深入人體內部，聽起來是不是有點不可思議？放射學醫(yī)學成像技術已經(jīng)有了長足的進步，在AI的加持下它又向前跨進一大步。用AI和機器學習強大的計算力掃描人體，尋找人眼可能會忽視的細微差異，這是目前醫(yī)學界正在做的事。
現(xiàn)在的醫(yī)學成像涉及到一系列復雜的技術，它分析每一個數(shù)據(jù)點，從健康中找到疾病，從噪音中找到信號。在放射學發(fā)展的最初幾十年里，研究人員的主要任務是提高身體照片的分辨率，隨后幾十年的任務是解釋數(shù)據(jù)，確保沒有遺漏。
最開始時成像技術的首要任務是診斷醫(yī)療狀況，現(xiàn)在成像技術慢慢成為治療的重要部分，尤其是在癌癥領域。醫(yī)生們研究圖像，讓影像協(xié)助自己監(jiān)測癌細胞擴散，這樣就能更快更好地知道治療是否有效。影像開始扮演新角色，治療病人的方式有了變化，醫(yī)生獲取的信息更豐富，他們能為病人選擇更好的治療方式。
德克薩斯大學西南醫(yī)學中心副教授Basak Dogan說：“未來5年內我們將會看到功能性影像成為治療的一部分。現(xiàn)在的標準影像無法回答真正的臨床問題，病人希望治療能有更高的精準度，這樣他們能根據(jù)更豐富的信息做出更好的決定，功能性技術能幫到他們?！?/p>
早早診斷
充分利用影像，盡可能自動閱讀，節(jié)省放射科醫(yī)生寶貴的時間，這是大多影像碰到的第一個障礙，不管是X射線、CT掃描、MRI還是超聲波都一樣。此時計算機輔助算法能發(fā)揮作用，用強大的算力訓練計算機，讓它區(qū)分異常和正常，這是眼下正在進行的工作。
多年來軟件專家一直在與放射線醫(yī)生攜手合作，分析大量正常和不正常影像，醫(yī)生將結果輸入計算機程序，讓計算機不斷學習，最終讓它可以區(qū)分異常。比較的影像越多，學得越多，AI的區(qū)分能力就會越強。
FDA已經(jīng)批準一種影像算法，它的精準度高達80-90%。盡管如此，F(xiàn)DA仍然提出要求，即使機器學習算法有所發(fā)現(xiàn)，最終還是要由人來裁決。AI可以將發(fā)現(xiàn)的疑點標記出來，讓醫(yī)生審查，這樣醫(yī)生就能為病人更快提供答案。
在麻省總醫(yī)院（Mass General Brigham），醫(yī)院們用大約50種算法協(xié)助治療，從檢測動脈瘤和癌癥到發(fā)現(xiàn)栓塞和中風癥狀。當中一半算法獲得FDA批準，其它還在測試。
總醫(yī)院放射科首席數(shù)據(jù)科學官、副主席Keith Dreyer說：“我們的目標是早早發(fā)現(xiàn)疾病。有時人類醫(yī)生要花好幾天才能精準診斷，計算機不一樣，它不眠不休。如果計算機能做到準確診斷，治病就會更快一些?！?/p>
更好地追蹤病人
將AI整合到醫(yī)療，計算機輔助篩查是第一步，機器學習已經(jīng)成為監(jiān)測病人、追蹤細微變化的重要工具。這些技術對癌癥治療極為重要，醫(yī)生要判斷癌細胞在增長還是在縮減，或者保持不變，這對于決定如何治療很重要。
Dogan說：“病人正在做化療，癌細胞發(fā)生了什么？我們很難理解。化療結束之前標準影像技術無法偵測到任何變化，整個過程可能持續(xù)幾個月，要幾個月才能看到收縮?！?/p>
有了AI影像，我們可以發(fā)現(xiàn)那些與尺寸和解剖學無關的癌細胞變化。Dogan補充道：“在化療早期，癌細胞的變化大多還沒有到細胞死亡的程度。變化存在于免疫細胞和癌細胞之間的修改性交互?！?/p>
許多情況下癌細胞并沒有從外向內以預測的方式收縮，相反，腫瘤內的小塊癌細胞可能會死亡，其它繼續(xù)生存，使整個腫塊變得坑坑洼洼，如同被蟲咬過的毛衣。因為細胞死亡往往與炎癥聯(lián)系在一起，所以有時癌細胞的尺寸還在擴大，但癌細胞數(shù)量并不一定在增加。標準影像無法告訴我們有多少癌細胞還活著，有多少已經(jīng)死亡。最常用的乳腺癌成像技術是乳房X線和超聲波，它們只是用來尋找解剖特性。
在德克薩斯大學西南醫(yī)學中心，Dogan用兩種影像技術追蹤乳腺癌病人的功能性變化。
第一種，病人每做一個周期的化療，她就給病人拍照，通過注射微氣泡來查看癌細胞周圍的細微壓力變化。超聲波能發(fā)現(xiàn)氣泡壓力的變化，氣泡會聚攏在癌細胞周圍；與其它組織相比，增長的癌細胞會有更多血管支持其擴張。
在另一項研究中，Dogan測試光聲成像技術，它將光轉化為聲音信號。用激光照射乳腺組織，引起細胞振蕩，這樣就能形成可以捕捉和分析的聲波。光聲成像技術可以用來判斷癌細胞的含氧量，在增長時癌細胞相比普通細胞需要更多的氧。分析聲音的變化，就可以知道哪部分癌細胞正在增長，哪部分沒有增長。
Dogan說：“通過分析癌細胞圖像，我們能知道哪部分最有可能轉移到淋巴結。臨床醫(yī)生無法告訴你哪部分癌細胞會擴散到淋巴結。有了光聲技術，我們可以早早發(fā)現(xiàn)癌細胞擴散跡象，此時這種跡象還沒有在掃描中顯現(xiàn)，不需要侵入式活檢就能發(fā)現(xiàn)擴散?！?/p>
發(fā)現(xiàn)人類看不見的異常
Dreyer說，當我們有了足夠的數(shù)據(jù)和圖像，算法就可以發(fā)現(xiàn)人類發(fā)現(xiàn)不了的畸變。他的團隊正在開發(fā)一種算法，這種算法可以測量人體中的生物標記，將指標的變化標出來，告訴某人他可能有中風、骨折或者有心臟病風險。
Dreyer認為該技術是醫(yī)學成像的“圣杯”，雖然現(xiàn)在還不成熟，但它可以給AI醫(yī)療帶來變革。
當AI模型越來越多，最終AI成像可以在家里幫到病人。某一天，我們也許可以通過智能手機App獲得超聲波成像信息。
Dreyer說：“AI給醫(yī)療保健帶來的真正變化是它能向民眾提供多種解決方案，在民眾變成病人之前提供，這樣民眾就能保持健康?！?/p>
（免責聲明：本網(wǎng)站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內容可能涉嫌侵犯其知識產(chǎn)權或存在不實內容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
