深度学习算法可简化肺癌放疗治疗
肺癌是世界上最常见的癌症,在近一半的病例中,放疗是靶向治疗的。RT计划是一个手动的、资源密集型的过程,可能需要数天到数周的时间才能完成,即使是训练有素的医生,他们对辐射目标组织的决定也不尽相同。此外,随着癌症发病率的增加,全球放射肿瘤学从业者和诊所的短缺预计将会加剧。
布里格姆和妇女医院的研究人员和合作者在布里格姆麻省总院医学人工智能项目下工作,开发并验证了一种深度学习算法,可以识别和勾勒(“分割”)非小细胞肺癌(NSCLC)。肿瘤在计算机断层扫描(CT)上。他们的研究发表在《柳叶刀》数字健康,也证明了在模拟诊所中使用该算法的放射肿瘤学家的表现与没有使用该算法的医生一样好,工作速度快了65%。
Brigham放射肿瘤科的通讯作者Raymond Mak医学博士说:“人工智能应用于医学的最大差距是未能研究如何使用人工智能来改善人类临床医生,反之亦然。”“我们正在研究如何建立人类与人工智能的伙伴关系和合作,为患者带来更好的结果。这种方法对患者的好处包括更大的肿瘤分割一致性和加速治疗时间。临床医生的好处包括减少平凡但困难的计算机工作,这可以减少倦怠,增加他们与患者相处的时间。”
研究人员使用了787名患者的CT图像来训练他们的模型,以区分肿瘤与其他组织。他们测试了算法的性能使用扫描来自越来越多的外部数据集的1300多名患者。该算法的开发和验证需要数据科学家和放射肿瘤学家的密切合作。例如,当研究人员观察到算法错误地分割了涉及淋巴结的CT扫描时,他们用更多的这些扫描重新训练了模型,以提高其性能。
最后,研究人员要求8名放射肿瘤学家执行分割任务,并对另一名专家医生或算法(他们没有被告知是哪一种)生成的分割进行评分和编辑。人类-人工智能合作和人类生产(从头开始)的细分市场在性能上没有显著差异。有趣的是,与手工制作的片段相比,医生在编辑人工智能生成的片段时工作速度快了65%,变化少了32%,尽管他们不知道自己在编辑哪一个片段。在这项盲法研究中,他们还认为人工智能绘制的分割的质量高于人类专家绘制的分割。
展望未来,研究人员计划将这项工作与他们之前设计的人工智能模型结合起来,这些模型可以识别在癌症治疗期间接受不希望的辐射的“有风险的器官”(如心脏),从而将它们排除在放射治疗之外。他们正在继续研究医生如何与人工智能互动,以确保人工智能伙伴关系有助于而不是损害临床实践,并正在开发第二种独立的细分市场算法可以验证人类和人工智能绘制的分割。
“这项研究为人工智能模型提出了一种新的评估策略,强调了人类与人工智能合作的重要性,”辐射肿瘤科的合著者Hugo Aerts博士说。“这是特别必要的,因为在硅(计算机模拟)评估可以给出不同于临床评估的结果。我们的方法可以帮助为临床部署铺平道路。”