人工智能识别与癌症复发相关的未知特征

2019年12月30日 由 TGS 发表 440093 0
日本理研中心高级智能项目(AIP)开发的人工智能技术已经成功地从人类癌症患者的病理图像中发现了未知特征,没有注释,但却可以被人类医生理解。此外,人工智能还发现了一些与癌症预后相关的特征,这些特征以前没有被病理学家注意到,这使得前列腺癌复发的准确性高于病理学诊断。如果将人工智能做出的预测与人类病理学家的预测相结合,那么就可以得到更高的准确性。

根据发表在《自然通讯》杂志上的这项研究的第一作者、医学博士山本洋一郎(Yoichiro Yamamoto)的观点,“这项技术可以通过从图像中获取新知识,从而实现对癌症复发的高度准确预测,从而为个性化医疗做出贡献。它还可以帮助解决人工智能‘黑匣子’的问题,从而有助于理解人工智能如何在医学上安全使用。”

研究小组与日本一些大学医院合作,采用了一种被称为“非监督学习”的方法——人工智能不是被“教授”医学知识,而是被要求在不提供任何医学知识的情况下,使用被称为自动编码器的无监督深度神经网络学习。研究人员开发了一种方法,将人工智能发现的特征(最初只是数字)转化为人类可以理解的高分辨率图像。

为了完成这一壮举,该小组从日本医学院医院(NMSH)获得了13188个完整的前列腺病理切片幻灯片图像,数据量巨大,相当于大约860亿个图像补丁(分为深度神经网络的子图像),并且在AIP强大的RAIDEN超级计算机上进行计算。

人工智能从1100万个图像块中使用没有诊断注释的病理图像进行学习。发现的特征包括全球使用的癌症诊断标准,也包括专家不知道的非癌症区域的基质(支持器官的结缔组织)。为了评估这些发现的特征,研究组使用来自NMSH的其余病例验证了复发预测的性能。研究小组发现,人工智能发现的特征(AUC=0.820)比病理学家根据人类建立的癌症标准Gleason评分(AUC=0.744)做出的预测更准确。

此外,更加重要的是,结合人工智能发现的特征和人类建立的标准,比单独使用任何一种方法预测癌症复发都要准确(AUC=0.842)。
欢迎关注ATYUN官方公众号
商务合作及内容投稿请联系邮箱:bd@atyun.com
评论 登录
热门职位
Maluuba
20000~40000/月
Cisco
25000~30000/月 深圳市
PilotAILabs
30000~60000/年 深圳市
写评论取消
回复取消