结肠直肠癌据估计,到2020年,它将导致美国5.3万多人死亡,成为第二大常见死因癌症死亡。然而,这一死亡率一直在稳步下降,可能是由于结肠镜检查等更好的癌症筛查程序。在结肠镜检查中,临床医生切除结直肠息肉,并在组织病理切片上目视检查它们是否有肿瘤。在早期、可治愈的阶段发现癌症,切除侵袭前腺瘤或锯齿状病变,最终可降低死亡率。发现的息肉的数量和类型也可以预示未来患恶性肿瘤的风险,因此可以作为筛查建议的基础。
一个人工智能(AI)结直肠息肉的自动分类模型可以通过提高效率、可重复性和准确性,以及降低准入障碍来帮助癌症筛查项目病理服务。在达特茅斯学院和达特茅斯-希区柯克学院的诺里斯棉花癌症中心的一项新研究中,一个计算机科学和临床研究团队由赛义德娜斯他训练了一个深度神经网络来做到这一点。他们的模型不仅可以在执业病理学家的水平上区分四种主要类型的结直肠息肉,在多个外部机构的数据集上进行评估,而且还证明了使用单一机构的数据设计的模型可以在外部数据上实现较高的准确性。
研究小组发现了一个很深的地方神经网络在美国24个不同机构的238张载玻片上,该研究仍与执业病理学家具有相同的敏感性和准确性。哈桑普尔说:“我们的研究是第一个展示深度神经网络的研究,该网络可推广到多个外部医疗中心的数据。”“深度学习用于医学图像分析的一个挑战是收集广泛的数据。在这里,我们获得了来自24个不同机构的组织病理学幻灯片,这让我们有机会评估并显示,我们训练的人工智能模型可广泛适用于外部的新数据。”
访问多机构研究的数据集是通过娜与Arief Suriawinata博士合作,医学博士和他的团队的病理学和实验室医学博士和达特茅斯-希契科克医疗中心伊丽莎白·巴里博士的流行病学Geisel达特茅斯大学医学院,以及来自维生素D/钙息肉预防临床试验的同事。
Hassanpour的团队已经建立了一个图形用户界面来显示神经网络的分类。他们目前正在进行一项临床试验,以评估他们的算法在帮助病理学家诊断结直肠息肉方面的应用。“我们希望创建一个软件应用程序,可以帮助病理学家提高诊断幻灯片的准确性、效率和一致性,”他说。