教育

人工智能在预测癌症治疗结果方面击败人类

在脑转移患者中使用人工智能。

发布2022年12月28日|Lybi Ma评论

要点

深度学习模型在识别医学图像数据的重要方面显示出了巨大的前景。
它提出并研究了新的深度学习模型来预测结果。

DeltaWorks / Pixabay

人工智能(AI)计算机视觉正在数字医疗领域取得重大进展。一个新的研究发表在IEEE健康与医学转化工程杂志演示了人工智能方法如何进行预测治疗脑转移(癌症从另一个器官扩散到大脑)患者的结果比肿瘤学家要好。

加拿大多伦多Sunnybrook研究所、约克大学和多伦多大学的研究人员进行了这项新研究，他们写道:“深度学习模型在识别包括癌症治疗在内的各种应用中医学图像数据的重要和独特方面显示出了巨大的前景。”

转移性脑癌，也称为继发性脑瘤，当癌细胞通过淋巴系统或血流从原来的位置扩散(转移)到大脑时发生。形成转移性脑瘤的细胞可能来自任何器官，通常来自乳腺癌、肺癌、皮肤癌(黑色素瘤)、结肠癌、肠癌、肾癌、甲状腺癌或卵巢癌。根据耶鲁医学院的研究，高达20%的癌症患者会发展为转移性脑瘤。

转移性脑瘤的症状可能包括持续的头痛，随着时间的推移会越来越严重，癫痫发作，情绪变化，obsports下载变化，恶心，呕吐，内存问题，无法移动身体的某些部分，如手臂或腿，听力问题，视力变化，虚弱或一侧身体麻木，平衡问题，吞咽问题，嗜睡，语言理解或表达困难。

放射治疗常用于治疗脑转移以控制症状。一种被称为立体定向放射手术或外科手术的靶向放射治疗可用于治疗只有少量转移的患者。

研究人员写道:“在立体定向放疗后，很大一部分较大的脑转移(BMs)没有得到局部控制，可能需要几个月的时间才能在标准随访成像中发现局部进展。”“这项工作提出并研究了新的可解释的深度学习模型，以预测BM的放射治疗结果。”

为了创建和优化AI模型，研究人员使用了124例脑转移患者的MRI(磁共振成像)扫描图像数据，这些患者有156个病灶，他们在较短的时间内接受了大剂量的放射治疗，而不是传统的称为次分割立体定向放射治疗的放射治疗。深度学习模型用不同的数据集进行了测试，该数据集由25名患者和40个病灶组成。

“深度模型，尤其是卷积模型神经科学家们写道:“神经网络(cnn)可以检测组织中的复杂结构模式，区分恶性和良性细胞，并可能从肿瘤图像中获得治疗结果预测的信息。”“因此，通过检测医学图像中的模式，cnn可以在精确肿瘤学的诊断和预后应用中超越传统的放射学模型，而这些模式是无法通过手工制作的放射学特征的封闭形式数学定义捕获的。”

研究人员使用BiT-HyperRule进行超参数选择，并使用随机梯度下降(SGD)优化算法训练模型。该团队创建了一种新颖的变压器-卷积网络架构，由残差学习(3D残差网络)和自-卷积网络组成注意这种机制叫做CBAM(卷积块注意力模块)。自注意机制使人工智能算法能够学习图像的哪些区域应该更专注于处理和预测。

研究人员报告说:“这项研究证明了从体积MRI中获得的自我注意引导深度学习特征在BM放射治疗结果预测中的潜力。”

根据声明约克大学的研究人员测试了不同的人工智能模型，其中表现最好的模型达到了83%的准确率，这高于人类肿瘤学家在预测脑转移放疗失败方面平均达到65%的准确率。