人工智能方法在鉴定宫颈癌前的表现优于人类专

2020-09-06 admin
由卫生研究院和福利研究所的研究人员领导的研究小组开发了一种计算机算法,可以分析妇女子宫颈的数字图像并准确识别需要医疗护理的癌前变化。这种称为自动视觉评估的人工智能(AI)方法具有彻底改变宫颈癌筛查的潜力,尤其是在资源匮乏的地区。
 
为了开发该方法,研究人员使用了全面的数据集来“训练”深度或机器学习算法,以识别复杂的视觉输入(例如医学图像)中的模式。该方法是由癌症研究所创建的,研究结果得到了
 
南昌妇科医院指出癌症流行病学和遗传学部医学博士说:“我们的发现表明,深度学习算法可以利用在常规宫颈癌筛查中收集的图像来识别癌前变化,如果不及时治疗,这些变化可能发展成癌症。” ,以及该研究的资深作者。“事实上,对图像的计算机分析比在显微镜下(细胞学)的巴氏试验的人类专家评审更好地识别了癌前病变。”
 
新方法在资源匮乏的环境中可能具有特殊价值。在这样的环境中,医护人员目前使用的筛查方法是用乙酸目视检查(VIA)。在这种方法中,医护人员将稀乙酸涂在子宫颈上,然后用肉眼检查子宫颈,寻找“乙酰增白”,这表明可能的疾病。由于它的方便性和低成本,VIA被广泛用于无法使用更高级筛选方法的地方。但是,这是不准确的,需要改进。
 
自动化的视觉评估同样容易执行。卫生工作者可以在一次访问期间使用手机或类似的摄像头设备进行宫颈筛查和治疗。此外,这种方法只需很少的培训即可完成,非常适合那些医疗保健资源有限的国家,在这些国家中,宫颈癌是女性疾病和死亡的主要原因
 
为了创建算法,研究团队使用了档案库中的60,000幅宫颈图像,这些档案是在1990年代在进行的宫颈癌筛查研究中收集的。超过9,400名妇女参加了该人口研究,随访期长达18年。由于这项研究的前瞻性,研究人员获得了几乎完整的信息,即哪些宫颈改变成为了癌症的前兆,哪些则没有。照片被数字化,然后用于训练深度学习算法,从而可以区分需要治疗的宫颈疾病和不需要治疗的宫颈疾病。
 
总体而言,该算法在预测研究期间诊断出的所有病例时,比所有标准的筛查测试表现更好。自动化的视觉评估可以比人类专家评价(AUC = 0.69)或常规细胞学检查(AUC = 0.71)更准确(AUC = 0.91)。AUC为0.5表示测试并不比偶然性好,而AUC为1.0则表示在识别疾病方面具有完美的准确性。
 
该算法与HPV疫苗接种的进步,新兴的HPV检测技术和治疗方法的改进相结合,即使在资源贫乏的地区,也可以控制宫颈癌。
 
研究人员计划使用各种相机和其他成像选项,在来自世界各地社区妇女的宫颈癌前病变和正常宫颈组织的代表性图像样本上进一步训练该算法。由于不同地理区域女性的子宫颈外观存在细微差异,因此需要执行此步骤。该项目的最终目标是为通用,开放使用创建最佳的算法。