運用深度學(xué)習(xí)技術(shù)檢測轉(zhuǎn)移性乳腺癌

來源：新浪科技綜合 發(fā)布時間：2018-10-15瀏覽：2255次

運用深度學(xué)習(xí)技術(shù)檢測轉(zhuǎn)移性乳腺癌

　　病理學(xué)家利用顯微鏡對患者的腫瘤進(jìn)行微觀檢查，是一直以來人們對癌癥診斷的黃金標(biāo)準(zhǔn)，這一方法對癌癥的預(yù)測和治療決策也有著深遠(yuǎn)影響。針對從原 發(fā)部位擴(kuò)散轉(zhuǎn)移到附近淋巴結(jié)的癌癥的檢測，是病理檢查過程中至關(guān)重要，但也舉步維艱的一環(huán)。大多數(shù)癌癥都涉及到淋巴結(jié)轉(zhuǎn)移的檢測，這項檢測則成為了被廣泛 采用的 TNM 癌癥分期的基礎(chǔ)診斷依據(jù)之一。

　　特別是在乳腺癌中，淋巴結(jié)轉(zhuǎn)移會影響關(guān)于放射治療、化療以及可能需要手術(shù)切除額外淋巴結(jié)等情況的治療決策。因此，對淋巴結(jié)轉(zhuǎn)移進(jìn)行準(zhǔn)確、及時地 識別對臨床護(hù)理具有重要影響。然而，研究表明，約1\4 的轉(zhuǎn)移性淋巴結(jié)的分期在第二次病理檢查的過程中會發(fā)生改變，而且，當(dāng)檢查時間有限時，單個載玻片上小轉(zhuǎn)移的檢測靈敏度可能降低至 38%。

　　去年，我們介紹了基于深度學(xué)習(xí)的方法，以提高 2016 ISBI Camelyon Challenge 癌癥細(xì)胞區(qū)域檢測競賽的診斷準(zhǔn)確性。該競賽提供了來自乳腺癌患者淋巴結(jié)的高達(dá) 10 億像素的病理載玻片，供研究者們研發(fā)用于診斷轉(zhuǎn)移性癌癥的計算機算法。雖然 LYNA 的癌癥檢測率明顯高于之前的報告，但僅僅依靠準(zhǔn)確的算法來改善病理學(xué)家的工作流程或乳腺癌患者的治療結(jié)果是不夠的。為了患者的安全，必須在大量的案例中對 這些算法進(jìn)行測試，以此了解它們的優(yōu)點和缺點。此外，這些算法為病理學(xué)家在使用過程中帶來的實際益處在此前沒有得到過證實，因此必須進(jìn)行評估以確定其是否 能夠真正提高診斷的效率或準(zhǔn)確性。

　　在發(fā)表于《病理學(xué)和檢驗醫(yī)學(xué)檔案期刊》（Archives of Pathology and Laboratory Medicine）的論文“基于人工智能的乳腺癌淋巴結(jié)轉(zhuǎn)移檢測：對病理學(xué)家黑匣子的檢測”和發(fā)表于《美國外科病理學(xué)雜志》（The American Journal of Surgical Pathology）的論文“深度學(xué)習(xí)輔助對轉(zhuǎn)移性乳腺癌淋巴結(jié)組織病理學(xué)檢查的影響”中，我們提出了一種基于 LYNA 的概念性病理學(xué)驗證輔助工具，并對此進(jìn)行調(diào)查研究。

　　在第一篇論文中，我們不再運用算法從 Camelyon Challenge 癌癥細(xì)胞區(qū)域檢測競賽和批準(zhǔn)用于研究 我們在圣地亞哥海軍醫(yī)療中心的共著者提供的獨立數(shù)據(jù)集中識別病理載玻片。由于這個額外的數(shù)據(jù)集來自不同實驗室，經(jīng)過了不同處理過程的病理樣本組成，所以該 數(shù)據(jù)集提升了常規(guī)臨床實踐中的病理載玻片和人工制品的多樣性。LYNA 證實了其能夠在圖像可變性和大量組織學(xué)特征上能夠被穩(wěn)定應(yīng)用，并且在無需更多研發(fā)的情況下，在兩個數(shù)據(jù)集中實現(xiàn)了相似的性能。

　　左側(cè)：包含淋巴結(jié)的載玻片有多個組學(xué)偽影：左邊較暗區(qū)域是氣泡，白色條紋是切割組學(xué)偽影，一些區(qū)域的紅色顯示出血（含有血液），組織已經(jīng)壞死（衰竭），治療質(zhì)量較差。右側(cè)：LYNA 識別出腫瘤區(qū)域在中央（呈紅色），并正確地對非腫瘤區(qū)域進(jìn)行分類（呈藍(lán)色） 。

　　在兩個數(shù)據(jù)集中，LYNA 能夠以 99% 的正確率區(qū)分出有轉(zhuǎn)移性癌癥的載玻片和無轉(zhuǎn)移性癌癥的載玻片。此外，在每個載玻片內(nèi)，LYNA 能夠準(zhǔn)確地查明癌癥及其他可能患有癌癥的位置，其中一些由于體積太小而不能被病理學(xué)家檢測到。因此，我們推斷 LYNA 的一個潛在效果可能是——重點標(biāo)出這些區(qū)域，供病理學(xué)家在檢查和作出最后診斷時參考。

　　在第二篇論文中，6 名有美國醫(yī)生從業(yè)執(zhí)照的?？撇±韺W(xué)家完成了一項模擬診斷，在診斷中，他們分別在有 LYNA 的協(xié)助下和在沒有 LYNA 的協(xié)助下對轉(zhuǎn)移性乳腺癌的淋巴結(jié)進(jìn)行檢查。對于這種檢測小轉(zhuǎn)移（也可稱為微小轉(zhuǎn)移）的復(fù)雜的診斷，由于 LYNA 的使用，平均縮短了一半的時間，每張載玻片需要約一分鐘的時間，而不再是兩分鐘，使人在主觀上覺得“更簡單”（根據(jù)病理學(xué)家的診斷難度自我報告）。

　　這表明 LYNA 等輔助技術(shù)具有令人興奮的潛力，它可以減輕重復(fù)識別的負(fù)擔(dān)，讓病理學(xué)家能夠把更多的時間和精力專注于其他更具挑戰(zhàn)性的臨床和診斷工作。在診斷的準(zhǔn)確性方 面，病理學(xué)家在研究中使用 LYNA 能夠更準(zhǔn)確地檢測微轉(zhuǎn)移，將從檢測中遺漏的微轉(zhuǎn)移率降低兩倍。令人感到振奮的是，使用 LYNA 協(xié)助的病理學(xué)家比沒有使用 LYNA 協(xié)助的病理學(xué)家，或者比僅僅依靠 LYNA 算法本身的情況能夠達(dá)到更準(zhǔn)確的效果，這表明人們使用算法協(xié)助工作更有效率，比單獨使用某一種檢測方法實現(xiàn)更好的效果。

　　通過這些研究，我們在展示 LYNA 算法的穩(wěn)健性（用以支持乳腺癌 TNM 分期的一個組成部分）和評估其在概念驗證診斷設(shè)置中的影響方面取得了進(jìn)步。這些進(jìn)去非常令人振奮，但同時利用此類技術(shù)幫助醫(yī)生及患者從科研試驗到臨床實踐 的過程中還有很長的路要走。這些研究有很大的局限性，比如有限的數(shù)據(jù)庫、模擬的診斷工作流程、僅單獨檢查每個患者的單個淋巴結(jié)的病理載玻片，而不是實際臨 床病例中常見的檢查多個淋巴結(jié)病理載玻片等。我們需要進(jìn)一步評估 LYNA 對實際臨床工作流程和治療結(jié)果的影響。但是，經(jīng)過仔細(xì)試驗論證過的深度學(xué)習(xí)技術(shù)和精細(xì)設(shè)計的臨床工具可以改善全球病理學(xué)家診斷的準(zhǔn)確性和實用性，我們?nèi)匀? 保持樂觀。