人对机器?
凯斯西储大学(Case Western Reserve University)阿南特·马达布什(Anant Madabhushi)诊断成像实验室的“深度学习”计算机在诊断心力衰竭、检测各种癌症并预测其强度方面经常击败人类计算机。
但是madabhushi——尽管他很高兴地吹嘘最近在他的实验室中出现的三个明显的网络优势的例子——也否认了未来这种机器会取代病理学家和放射科医生的任何暗示。
Madabhushi说:“病理学家和放射科医生最初总是会对这个想法感到畏缩和焦虑——我们的计算成像技术可以超越我们，甚至取代我们的工作。”Madabhushi的中心自2012年开业以来，在心血管疾病、脑癌、肺癌、乳腺癌、前列腺癌和头颈部癌症的诊断方面取得了重大进展。
Madabhushi是凯斯工程学院生物医学工程的F. Alex Nason II教授，他认为他的研究不仅引入了宝贵的诊断工具，而且还有助于识别那些不需要更积极治疗的疾病不那么严重的患者。
自2016年以来，Madabhushi和他的团队从国家癌症研究所获得了超过950万美元的资金，用于开发用于分析数字病理学的计算工具图片对乳腺癌、肺癌和头颈部癌症进行评估，以确定哪些患有这些疾病的患者可以免于积极的放疗或化疗。
“这并不是说我们能够‘击败’病理学家或医生放射科医生而是机器能够为他们所能提供的东西增加价值，”他说。“人们迫切需要更好的决策支持工具，使他们能够为患者服务，特别是在病理学家或放射科医生很少的地方。
“通过为他们提供决策支持，我们可以帮助他们提高效率。例如，这些工具可以帮助减少花在没有明显疾病或明显良性疾病的病例上的时间，而是帮助他们专注于更复杂的病例。”
在Madabhushi位于凯斯西储的计算成像和个性化诊断中心(CCIPD)，这些工具已经产生了异常准确的结果。
想想最近的三个例子:
1.Madabhushi实验室的计算成像系统正确预测了105名已经显示出心脏衰竭迹象的患者，准确率达到97%。相比之下，两名病理学家的正确率分别为74%和73%。结果最近出版了在杂志中《公共科学图书馆•综合》．
2.Madabhushi和其他研究人员——得到了美国国防部60.8万美元的国会指导医学研究项目资助——表明，虽然人类放射科医生可以在CAT扫描中标记多达一半的结节为“可疑”或“不确定”，但这些结节中约98%实际上是良性的。ob欧宝直播nba在最近发表的研究在医学影像杂志， Madabhushi和他的团队表明，与两位人类专家相比，他们的计算成像技术在CAT扫描中区分良性和恶性肺结节方面高出5%至8%。
3.在美国、芬兰和澳大利亚进行的一项关于前列腺癌扫描的国际研究中，一项研究详细说明了计算成像算法在两个方面优于人类同行最近出版的在磁共振成像杂志．
*在70%以上的病例中，放射科医生错过了临床显著的前列腺癌的存在磁共振成像(核磁共振)扫描，机器算法捕捉到它。
*在放射科医生错误地在MRI扫描中识别出具有临床意义的前列腺癌的病例中，机器能够正确地识别出没有临床意义的疾病。
Madabhushi说:“这对我们来说都是非常令人兴奋的数据，但现在我们需要更多的验证，并在更大的队列中证明这些结果。”“但我们真的相信，这更多地证明了病理学和放射学图像的计算成像可以为心血管和癌症研究以及病理学家和放射科医生的实际应用提供帮助。”
放射组学与病理性:胜利背后的技术
那么，这些超级计算机究竟做了什么人类无法做到的事情，从而在诊断成功方面创造了如此大的差距?
简而言之，过去半个世纪几乎所有计算机的优势都可以用一句话来概括:计算机的工作速度和容量都大大提高了。
这里的精确区别在于，CCIPD的诊断成像计算机可以读取、记录、比较和对比数以百计的组织样本切片，而病理学家可能只花在一张切片上的时间。
然后，他们快速完整地对腺体、细胞核和周围组织的纹理、形状和结构等特征进行分类，以确定与某些疾病相关的侵袭性和风险。
这就是“深度学习”的用武之地:通过比较和对比这些大量图像，他们创建了能够超越人眼所能看到的算法。最后，他们正在努力预测一切，从疾病的侵袭程度到扫描的结节是否可能癌变。
最后，所有这些新信息都可以帮助病理学家和放射科医生解读切片和扫描结果，但更关键的是，可以帮助临床医生做出更明智的治疗建议。
Madabhushi说，这可以帮助单个病理学家更有效地完成工作，更准确地根据真正需要护理的病人进行分类，或者为整个国家带来希望。
“我总是以博茨瓦纳为例，那里有200万人口，但据我们所知，只有一位病理学家，”他说。“仅从这一个例子，你就可以看到这项技术可以帮助一位病理学家提高效率，帮助更多的人。”
