Auf der Global Digital Economy Conference 2024 besichtigten Besucher medizinische KI-Geräte, die Ärzten bei der bildgebenden Diagnose helfen. Chen Xiaogen
Ein einziger CT-Scan kann Ärzten dabei helfen, eine Vielzahl von Krebsarten zu identifizieren, und die Online-Plattform kann die Verbindung personalisierter medizinischer Ressourcen in Sekundenschnelle herstellen ... In den letzten Jahren hat die Technologie der künstlichen Intelligenz (KI) alle Aspekte der Tumordiagnose und -behandlung umfassend revolutioniert .
„KI kann den gesamten Prozess der Tumordiagnose und -behandlung durchlaufen“, sagte Li Zhicheng, Geschäftsführer des Forschungszentrums für medizinische künstliche Intelligenz des Instituts für Biomedizin und Gesundheitstechnik der Shenzhen Institutes of Advanced Technology der Chinesischen Akademie der Wissenschaften von Science and Technology Daily: „Von der ersten bildgebenden Diagnose, der Identifizierung von Läsionen, der Patientenaufnahme bis hin zur pathologischen Diagnose, der Visualisierung von Operationsplänen und sogar der Nachverfolgung der Entlassungswiederherstellung ist der Eingriff der KI für Ärzte und Patienten sichtbar und greifbar.“
Helfen Sie bei der Früherkennung von Tumoren
Xu Zhonghuang, Direktor des Beijing US-China Airui Cancer Hospital, sagte, dass sich viele Krebspatienten bei der Diagnose bereits im mittleren bis späten Stadium befänden und die beste Gelegenheit zur Behandlung verpassten. Frühzeitiges Screening kann Ärzten helfen, Erkrankungen im asymptomatischen oder präkanzerösen Stadium zu erkennen und Morbidität und Mortalität durch frühzeitiges Eingreifen wirksam zu reduzieren. KI hat großes Potenzial im Bereich des frühen Tumor-Screenings.
Das frühe Tumorscreening stützt sich in der Regel auf eine Reihe nicht-invasiver oder minimal-invasiver Untersuchungsmethoden, darunter bildgebende Untersuchungen, Blutmarkererkennung und molekulare Diagnostik. In dieser Hinsicht hat die KI-Intervention bahnbrechende Fortschritte gemacht. Li Zhicheng glaubt, dass die Leistung von KI bei bestimmten Tumorscreenings mit der Unterstützung bildbasierter Deep-Learning-Technologie sogar die Leistung menschlicher Experten übertreffen kann.
In den letzten zwei Jahren haben internationale Fachzeitschriften wie Nature mehrere Studien zum KI-gestützten Tumorscreening veröffentlicht. Das vom Team der Harvard Medical School entwickelte CHIEF-Modell kann nicht nur 19 Krebsarten diagnostizieren, sondern auch die Mikroumgebung des Tumors lokalisieren, Behandlungsstrategien steuern und Überlebensraten vorhersagen. Das von der Alibaba Damo Academy entwickelte Bauchspeicheldrüsenkrebs-Früherkennungsmodell PANDA weist eine Genauigkeit von 92,9 % bei der Bestimmung des Vorhandenseins von Läsionen auf. Diese Ergebnisse zeigen, dass KI nicht nur die Diagnose unterstützen kann, sondern auch eine Schlüsselrolle bei der präzisen Behandlung spielt.
Verwandte Praktiken haben die Rolle der KI beim Tumorscreening gezeigt. Im Februar dieses Jahres wurde Alibabas „Medical AI Multi-Cancer Early Screening Charity Project“ im Lishui Central Hospital und anderen Einrichtungen in Zhejiang eingesetzt und wendete die innovative medizinische KI-Technologie der DAMO Academy auf den Gesundheitsbereich an. „Im Rahmen des Projekts wurden innerhalb von vier Monaten mehr als 50.000 Menschen untersucht. Zu den untersuchten Krankheiten gehörten Bauchspeicheldrüsenkrebs, Speiseröhrenkrebs, Magenkrebs und Darmkrebs. 145 unter ihnen gefundene Krebsläsionen wurden klinisch bestätigt.“ Die verantwortliche Person des Damo Academy Medical AI-Teams , Lu Le, erklärte, dass KI durch die Kombination einer großen Menge historischer Daten und komplexer Algorithmen Informationen über winzige Läsionen extrahieren kann, die mit bloßem Auge aus Bildern nur schwer zu erkennen sind. Bei mühsamen Bildanalyseaufgaben kann KI auch große Datenmengen schnell verarbeiten und so den Druck für Ärzte verringern.
Xu Zhonghuang sagte, dass Krebs auf multidisziplinärer Zusammenarbeit beruhen müsse, um optimale Behandlungspläne zu formulieren, und dass KI dabei helfen könne, Probleme wie Fachkräftemangel und hohe wirtschaftliche Kosten zu lösen.
Am Beispiel von PANDA sagte Lu Le, dass das Modell der Zusammenführung der Wissensbasis von Dutzenden von Ärzten aus verschiedenen Berufen gleichkäme und eine abteilungsübergreifende Datenfusion durch die Integration multimodaler Daten wie Bilddaten, Genominformationen und Pathologie erreiche Daten usw. Auf dieser Grundlage kann das Modell wichtige Läsionsinformationen und potenzielle pathologische Merkmale extrahieren und anschließend eine umfassende abteilungsübergreifende Analyse durchführen.
Verbessern Sie das Bewusstsein für Krebs
Die Förderung des wissenschaftlichen Verständnisses im medizinischen Bereich ist eine übergeordnete Dimension für KI zur Unterstützung der Tumordiagnose und -behandlung.
Das Team von Li Zhicheng beschäftigt sich seit Jahrzehnten mit der Gliomforschung. Über den aktuellen Stand der Diagnose und Behandlung von Gliomen sagte Li Zhicheng: „Unser wissenschaftliches Verständnis dieser Krankheit ist noch begrenzt. Ärzte haben das Auftreten, die Entwicklung und den Wiederauftretensmechanismus von Gliomen noch nicht vollständig verstanden und noch keine wirksamen und wirksamen Maßnahmen gefunden.“ präzise Behandlungen.
Xu Zhonghuang geht es genauso. „Der Mangel an Wissen über Krebs schränkt die Diagnose- und Behandlungsmethoden ein. Angesichts schwieriger und komplizierter Krankheiten können wir in der klinischen Praxis oft nur den Fluss überqueren, indem wir die Steine ertasten.“
Bestehende KI-Diagnose- und Behandlungsmodelle weisen ebenfalls Einschränkungen auf. Li Zhicheng sagte, dass viele Modelle durch umfangreiche Annotationsdatensätze trainiert werden, um Korrelationen zwischen Bildmerkmalen und klinischen Ergebnissen zu finden. Obwohl diese Methode hinsichtlich der Genauigkeit bemerkenswerte Ergebnisse erzielt hat, mangelt es dieser „Black-Box“-Operation an einer Erklärungsbasis, was es für Ärzte schwierig macht, den Diagnoseergebnissen der KI voll und ganz zu vertrauen. Daher ist es besonders wichtig, zur Quelle des medizinischen Wissens zurückzukehren.
In dieser Hinsicht hat die KI viel Spielraum. „KI kann multimodale Daten wie Bildgebung, Pathologie, Gene usw. integrieren, umfassende Analysen auf mehreren Ebenen bereitstellen und uns dabei helfen, ein vollständigeres ‚Porträt‘ von Tumoren zu erstellen. Tumor ist ein Ökosystem, das aus komplexen Krebszellen besteht „Je detaillierter das Porträt ist, desto mehr kann es Tumorverhalten und potenzielle Behandlungsziele entdecken, die in der Vergangenheit ignoriert wurden, und so neue Ideen für die Front-End-Behandlung liefern“, sagte Li Zhicheng Von Daten auf molekularer Ebene wie Genomen und Proteomen wird erwartet, dass KI die bestehenden kognitiven Engpässe überwindet und dabei hilft, das wissenschaftliche Verständnis komplexer Krebsarten zu verbessern.
Xu Zhonghuang fügte hinzu: „Wenn KI angesichts unbekannter Tumore das menschliche Verständnis über sie voranbringen kann, auch nur um einen kleinen Schritt, könnte sie grundlegend neue methodische Leitlinien für die Tumordiagnose und -behandlung liefern und die Art und Weise, wie wir mit Krebs umgehen, wirklich verändern.“
Die Rolle der Daten als „Nährstoff“ voll ausschöpfen
Damit KI den gesamten Prozess der Tumordiagnose und -behandlung weiter stärken kann, ist es von entscheidender Bedeutung, eine qualitativ hochwertige, umfassende und umfangreiche Datenunterstützung zu erhalten.
Das Training von KI-Modellen basiert nicht nur auf Anmerkungen des Arztes, sondern erfordert auch vollständige Daten zum klinischen Zyklus. Lu Le nannte ein Beispiel: „Während des PANDA-Modellschulungsprozesses müssen Ärzte nicht nur multimodale Daten wie pathologische Bilder, Pathologieberichte und CT-Bilder bereitstellen, sondern auch den Ort der Läsion manuell bestätigen und einen genauen Umriss vornehmen.“ Dann führt der Ingenieur die dreidimensionale Bildregistrierungstechnologie durch, um den dreidimensionalen Umriss der Läsion auf dem einfachen CT-Bild abzubilden, und ermöglicht es der KI letztendlich, das Auftreten früher Bauchspeicheldrüsentumoren zu erkennen im einfachen CT-Bild.“
Dabei arbeiten ausschließlich Ärzte und das KI-Team eng zusammen, um hochwertige Trainingsdaten für das Modell bereitzustellen. Lu Le erklärte weiter, dass hochmoderne medizinische KI-Algorithmenteams häufig auf eine Vielzahl kooperativer Krankenhäuser zurückgreifen, um vielfältige Daten bereitzustellen, was für die Verbesserung der Generalisierungsfähigkeit des Modells von entscheidender Bedeutung ist. Daten aus verschiedenen Krankenhäusern versorgen das KI-Modell mit umfassenden pathologischen Hintergrundinformationen und helfen ihm, auf verschiedene klinische Szenarien genauer zu reagieren.
Aufgrund von Problemen wie großen erforderlichen Datenmengen, vielen beteiligten Abteilungen und verstreuten Daten ist die Datenerfassung jedoch zum größten Engpass in der aktuellen Krebs-KI-Forschung geworden. „Es ist nicht schwierig, ein einzelnes Bild oder Pathologiedaten zu erhalten, aber es ist sehr schwierig, alle Modalitätsdaten wie Bildgebung, Pathologie und Gene für denselben Patienten gleichzeitig zu erhalten.“ erfordert eine enge Zusammenarbeit mehrerer Abteilungen, nimmt aber auch viel Zeit in Anspruch. Die aktuelle Krebsforschung ist häufig auf verschiedene Disziplinen verteilt, wobei die Bildanalyse von Bildgebungs- und Ingenieurtechnikern durchgeführt wird, während genetische Daten von Mitarbeitern der Molekularpathologie oder Bioinformatik verarbeitet werden. Der Abbau von Barrieren zwischen Disziplinen und die Integration von Daten bleibt eine große Herausforderung.
„Daten sind der grundlegende ‚Nährstoff‘ dafür, ob KI ihre Rolle in der medizinischen Versorgung voll ausfüllen kann.“ Nach Ansicht von Xu Zhonghuang sind Skalierbarkeit, Standardisierung und Sicherheit von Daten wichtige Überlegungen für Krankenhäuser beim Einsatz medizinischer KI. Krankenhäuser müssen bei der Planung ihres KI-Layouts von der Gegenwart ausgehen, eine Standardisierung der Dateneingabe, -archivierung und -verwaltung sicherstellen, im Voraus einen angemessenen Datenverwaltungsrahmen entwerfen und Schnittstellen für die zukünftige Datenverarbeitung reservieren. Der Vorteil von KI besteht darin, dass sie kontinuierlich neue Daten aufnehmen und sich selbst optimieren kann. Dies erfordert, dass das Datenspeichersystem des Krankenhauses skalierbar ist, um der wachsenden Nachfrage nach multimodalen Daten gerecht zu werden.
Im Hinblick auf die Datensicherheit ist Xu Zhonghuang der Ansicht, dass Krankenhäuser strenge Datenverschlüsselungs- und Datenschutzmechanismen einrichten müssen, um sicherzustellen, dass Technologieanwendungen die klinische Diagnose und Behandlung unter der Voraussetzung der Einhaltung von Gesetzen, Vorschriften und sozialer Ethik zuverlässig unterstützen können.