AI如何改变医学影像？

命名一个行业，人工智能正在将其震动。但是，一些最大的变化发生在市场上最安静的区域。

其中之一是医学成像。尽管它可能不像自动驾驶汽车那么迷人，但是人工智能驱动的成像正在做着更重要的事情：挽救生命。像CureMetrix这样的公司正在将图像分析从猜测游戏转变为数据驱动的过程。

典型的放射科患者不会看医生使用CureMetrix的技术。他们只知道他们的治疗取决于准确的诊断。

幕后发生了什么，医学成像行业的下一步是什么？为了找出答案，我们与CureMetrix首席执行官NavidAlipour坐了下来。事实证明，答案与无人驾驶汽车一样令人振奋。不，机器人不会很快接管。

医学影像革命

要了解多少AI正在改变医学成像世界，了解低技术流程的外观很重要。

“不久前，医学成像很像’沃尔多在哪里？’”阿利普尔解释道。“基本上，专家会扫描图像，然后搜索可能表明癌症病变之类的微小异常现象。”

尽管经过了所有医生和放射科医生的培训，他们还是会犯错误。研究表明，仅人为分析的错误率可能约为35％。

考虑一下：在没有AI的帮助下，三分之一接受放射学检查的患者的方向错误。并且由于不同的原因，任何方向的错误都是危险的。

如果遗漏了某些东西（假阴性），则患者将不会得到治疗，癌症会继续增长。许多需要成像的条件都是时间敏感的。癌性肿瘤每天都会被忽视，并且会变得越来越大，转移的风险也会增加。

另一方面，假阳性（意味着放射科医生将良性特征误认为医疗问题）可能会使患者不必要地接受侵入性手术。例如，活检是痛苦且昂贵的。平均而言，其中70-80％的人在寻找乳腺癌的过程中反而对患者及其家人造成了精神压力。

CureMetrix如何最大程度地减少错误，更重要的是，这对患者意味着什么？

第二双眼睛

将CureMetrix的cmTriage视为另一双眼睛。AI不能代替使用该工具的人-放射科医生-但可以帮助他或她知道哪些情况可能是可疑的。

尽管AI不会替代放射线医生，但使用AI的放射线医生将替代未使用放射线的放射线医生。放射科医生和乳腺摄影专家已经供不应求，导致工作过度，倦怠和代价高昂的错误-最终可能导致诉讼。CureMetrix为放射科医生提供了数据，使其成为抗癌斗争中的另一支箭。

cmTriage已被FDA批准为乳腺癌筛查的分类工具，它为放射科医生提供了预读资料，有助于识别可疑病例。结果是有可能提高灵敏度，并减少患者召回。

在检测乳腺癌方面，放射科医生的平均敏感性为84.4％，其中9.6％的病例需要再次检查。如果CureMetrix的敏感度为84.4％，则表明总共有6.4％的考试可疑。即使在默认模式下，AI的操作特异性也比放射线医师高。

cmTriage可以在更高的灵敏度下运行的事实更加强大。其默认设置为93％，但可以设置为高达99％。

通过将深度学习和计算机视觉相结合，cmTriage可帮助放射科医生识别可疑变化，从而使患有乳腺癌的人能够更快地得到治疗。同样重要的是，它可以帮助放射科医生识别不太可疑或可能正常的病例，从而减少患者接受多次就诊或高风险治疗的机会。

从乳腺癌开始

当前，CureMetrix仅可用于乳腺癌检测。但是，为什么要罹患乳腺癌呢？它还能帮助哪些其他疾病呢？

当我问Alipour时，他指出了两件事：规模和乳腺癌的独特挑战-所有要检测的癌症中最复杂的。

每年有将近30万美国人被诊断出患有乳腺癌，占女性癌症诊断总数的30％。其次，估计每年在乳腺X射线摄影误报上花费40亿美元。活检通常是检测的第二步，表现出惊人的75％假阳性率。

“我们就是不能忽略这样的数字，”阿利普尔说。“目前有很多不同的癌症，但是从乳腺癌或人类疾病的角度来看，它们却不如乳腺癌昂贵。”

幸运的是，对于其他癌症患者，乳腺X射线照像术只是AI医学成像改造的开始。CureMetrix计划将其AI扩展到医学成像的其他领域。

一种适合所有人的检测工具？

成像是癌症检测中的关键工具，但它并不是唯一的工具。其他方法，例如甲基化分析，也可以通过深度学习工具来增强。

Alipour指出：“深度学习的一个优势是，它可以处理非结构化数据。如果提供正确的训练数据，这种算法可以通过其他方式发现癌症，例如查看化学特征。”

例如，Alipour提到了纽约大学LangoneHealth的最近一例。根据组织病理学诊断出一名年轻女孩患有复发性髓母细胞瘤，这是一种脑癌。但是，在AI的帮助下，她的医生发现它实际上是另一种：胶质母细胞瘤。

强调正确诊断的重要性在于，女孩的癌症可能是用于抵抗第一个癌症的放射线的结果。如果以同样的方式再次对她进行治疗，那么这种治疗可能会伤害到她而实际上并未消灭新的癌症。

尽管在乳腺癌方面取得了诊断上的突破，但Alipour清楚地表明，通用的癌症检测工具仍在数年之内。但是，我们到达那里的方式正是CureMetrix所做的：从最复杂的癌症开始，然后从那里开始。