记得 4 年前我做的 AI 乳腺平台吗?这是我的新项目

2022-03-28 11:59:55 +08:00
 coolwulf
4 年前,我在这里发帖介绍了我利用 AI 进行乳腺肿瘤检测和分类的一些工作。
https://www.v2ex.com/t/462641#reply303
那个帖子在 V2 上获得了一些关注,我希望你会喜欢我在这里再次介绍的这个帖子。

近年来,我一直在将我的注意力从癌症检测转移到实际治疗上。
我们真正想解决的一个问题是让更多的脑癌患者能够接受立体定向放射外科治疗( SRS ),与全脑放疗( WBRT )相比,SRS 的治疗效果更好,患者的生活质量( QoL )也更好,因为全脑放疗对于多发性脑病患者(比如超过 5 或 10 个)来说更常见。

这背后的原因是,医生或神经外科医生在为多发性脑病患者进行 SRS 手术时确实需要付出很多努力,因为每个病灶都需要正确的轮廓 /标记 /追踪,而且医学物理学家也需要为这类多发性病灶病例的治疗计划付出很多努力。对于 10 或 20 个以上的脑转移瘤患者,通常没有足够的资源来帮助他们。

因此从 2019 年开始,我们与美国西南医学中心和斯坦福大学合作,试图解决这个问题。此后,我们开发了自动勾画 /标记脑转移瘤病灶的模型,与 OAR ( Organ-at-Risks )一起,我们还开发了基于 SVM-放射组学的快速减少假阳性的模型。此外,我们还开发了基于优化辐射剂量图的快速分割多个病灶到不同治疗疗程的模型。
这项工作将于明天在 2022 年 AAPM 春季临床会议上由我们在斯坦福大学的合作者发表
https://w4.aapm.org/meetings/2022SCM/programInfo/programAbs.php?sid=9476&aid=60551

我们正在加快步伐,试图让整个 SRS 社区很快就能使用这项技术和平台。

我们真的希望这个平台能让更多的病人接受 SRS 手术,而不是残酷的全脑 RT 。我们发现病人每隔几个月就会回来做 SRS 手术,以延长他们的生活质量(与 WBRT 相比,WBRT 是一生一次的治疗,当病人在 3 个月后出现复发时,就没有其他治疗方法了)。
希望你喜欢这项工作。

https://preview.redd.it/o49n1oq4rzp81.png?width=2094&format=png&auto=webp&s=6fd47fc9d3e3daf947ec9f3bb92c4720e3891325

https://preview.redd.it/3hh70oq4rzp81.png?width=2108&format=png&auto=webp&s=5793caaf7da18f4d1d6cace8bed0c92dde2b7935

https://preview.redd.it/cnt019r4rzp81.png?width=1640&format=png&auto=webp&s=7f3345c2af58fa052438575651cb0b90ff8d3a01

https://preview.redd.it/xbtkhar4rzp81.png?width=1580&format=png&auto=webp&s=3f250af13dff5b6160cc6420e73f9db38168abb6
10225 次点击
所在节点    分享创造
52 条回复
HyperDurian
2022-05-11 14:28:19 +08:00
佩服!
Fule
2022-05-11 20:46:48 +08:00
看到了真的科学研究和进步!
Nostalghia
2022-05-11 22:15:53 +08:00
@Pika666 我研究生期间做过基于 CT 的肺结节检测项目,感觉只是发文章时准确率好看,落地效果普遍不好,当然我做的纯学术方向没接触到真正的商业 AI ,所以想请教几个问题:1) 那些较成熟的 AI 会不会在假阴性很低时假阳性率很高,要医生再排除一遍? 2)贵院用的 AI 是不是专门定制的,用自己提供的图像和标签进行训练? 3)AI 使用时是医生挑几张图片输入,还是整个原始 DICOM 数据一起输入?我猜是前者,但是用 2D 图像容易高假阳性,3D 数据的话理论上能达到更好的效果,但是模型复杂度和运算量太大。

医疗图像检测方向有个很蛋疼的点,就是模型泛化性不好,一个数据集训练出来的模型,换一个数据集就不行了,同样是 CT 图像,不同型号的机器拍出来的噪声、像素值范围不一样,只能靠经验选择图像预处理阈值,所以我觉得 AI 商业化比较靠谱的方法是专门定制。

还有个最根本性的痛点,我们根本不知道 AI 提取出来的特征是什么,以为提取的是结节纹理特征,实际可能是噪声的特征,只是刚好在这个数据集上管用,这种黑箱子特性决定了医疗 AI 只能是辅助性工具,不可能代替医生的。我比较看好一些解释性强、简单但量大枯燥的医疗辅助工具,比如检测胸腔 CT 中较孤立的小型球状组织,再让医生诊断是不是结节。
Pika666
2022-05-12 11:52:40 +08:00
@Nostalghia 我院在我的建议下先后试用过杏脉、推想、医准、深睿的 AI 产品,他们的主打产品都是肺结节识别,正好我们医院是区域的体检中心,每天的肺部 CT 体检筛查量很大,所以没有什么阻力就引进了。

他们的算法是封装起来的,例如最后我们决定买的是深睿,他们的服务器是定制的 unbuntu 系统主机,配置我看了就是 2*GTX1080 ,所以说模型的优化应当是非常棒的。AI 输入端内容是完整的 DICOM ,分析的是组学特征,不仅仅是 2D 纹理特征,因为我也在做影像组学科研相关的研究,所以稍微懂一些,你应该不是医学方向的学生,AI 分析结果展示出来权重比较高的特征大多是有很多文献证实了、或者是理论上推演有用的特征。



商业应用公司他们的模型泛化能力相当强,我院的数据是不外传的,全部在内网中隔离,他们的算法是拿过来开箱即用,我问过他们大区总工程师,是跟合作医院用接近百万级别的数据喂出来的。我们签购买合同的时候,有一条,如果经伦理通过同意回传匿名 DICOM 和标注标签到一定量,他们的服务器主机甚至可以免费送给我们,当然医院采购不缺钱我就没要。

目前使用的体验也是很好的,我们医院的体检胸部 CT 筛查基本是以 AI 为主,医生花上 3-5 分钟通览一下图像跟 AI 结果对比,筛查有没有明显的肿块、非典型病变比如胸腺瘤、心脏大血管等系统的漏诊,微小结节、炎症、胸廓骨折这些细节都可以交由 AI 代劳,我们一个月的体检 CT 量大概在一万左右,运行了两年,目前确认 AI 漏诊 LUNG-RADS 3 类以上结节的只有三例,这个 FN 率已经比人类医生低出两个数量级了,所以上、下级医生都很放心。
Nostalghia
2022-05-12 23:31:10 +08:00
@Pika666 非常感谢大佬!长见识了,看到用百万级别的数据训练我就懂了,真·大力出奇迹,不是我们这些实验室里鼓捣出来的能比的,我们的病例一千就到顶了。
ShuA1
2022-05-19 14:30:42 +08:00
@Nostalghia 病例的问题可以寻找一些医院和研究所进行合作。
chichux
2022-05-27 09:44:59 +08:00
从科技爱好者周刊来膜拜大佬,先收藏、感谢、回复,再认真学习!!!
ohiu
2022-05-28 23:33:52 +08:00
慕名赶来,感谢你所做的付出
shew2356
2022-05-29 10:30:46 +08:00
刚看到差评君的分享视频,过来支持楼主~
odnmdgb
2022-05-29 12:19:53 +08:00
@shew2356 我也是
leonard916
2022-06-09 17:31:46 +08:00
@shew2356 我也是 看完他的视频就过来找了
tzzhmmt
2022-06-27 14:07:33 +08:00
@leonard916 同 :)

这是一个专为移动设备优化的页面(即为了让你能够在 Google 搜索结果里秒开这个页面),如果你希望参与 V2EX 社区的讨论,你可以继续到 V2EX 上打开本讨论主题的完整版本。

https://www.v2ex.com/t/843341

V2EX 是创意工作者们的社区,是一个分享自己正在做的有趣事物、交流想法,可以遇见新朋友甚至新机会的地方。

V2EX is a community of developers, designers and creative people.

© 2021 V2EX