En la Conferencia Global de Economía Digital 2024, los visitantes visitaron equipos médicos de IA utilizados para ayudar a los médicos en el diagnóstico por imágenes. Chen Xiaogen
Una sola tomografía computarizada puede ayudar a los médicos a identificar una variedad de cánceres, y la plataforma en línea puede completar la conexión de recursos médicos personalizados en segundos... En los últimos años, la tecnología de inteligencia artificial (IA) está revolucionando de manera integral todos los aspectos del diagnóstico y tratamiento de tumores. .
"La IA puede recorrer todo el proceso de diagnóstico y tratamiento de tumores", dijo a un periodista Li Zhicheng, director ejecutivo del Centro de Investigación de Inteligencia Artificial Médica del Instituto de Biomedicina e Ingeniería de la Salud de los Institutos de Tecnología Avanzada de Shenzhen de la Academia de Ciencias de China. del Science and Technology Daily, "Desde el diagnóstico inicial por imágenes, la identificación de lesiones, el ingreso del paciente hasta el diagnóstico patológico, la visualización de planes quirúrgicos e incluso el seguimiento de la recuperación del alta, la intervención de la IA es visible y tangible para médicos y pacientes".
Ayuda a la detección temprana de tumores.
Xu Zhonghuang, director del Hospital Oncológico Airui de Beijing, Estados Unidos y China, dijo que muchos pacientes con cáncer ya se encuentran en una etapa media o tardía cuando se les diagnostica y pierden la mejor oportunidad de tratamiento. La detección temprana puede ayudar a los médicos a detectar afecciones en la etapa asintomática o precancerosa y reducir eficazmente la morbilidad y la mortalidad mediante la intervención temprana. La IA tiene un gran potencial en el campo de la detección temprana de tumores.
La detección temprana de tumores generalmente se basa en una serie de métodos de examen no invasivos o mínimamente invasivos, que incluyen exámenes por imágenes, detección de marcadores sanguíneos y diagnóstico molecular. En este sentido, la intervención de la IA ha logrado grandes avances. Li Zhicheng cree que con el apoyo de la tecnología de aprendizaje profundo basada en imágenes, el rendimiento de la IA en determinadas pruebas de detección de tumores puede incluso superar al de los expertos humanos.
En los últimos dos años, revistas internacionales como Nature han publicado múltiples estudios sobre la detección de tumores asistida por IA. El modelo CHIEF desarrollado por el equipo de la Facultad de Medicina de Harvard no sólo puede diagnosticar 19 tipos de cáncer, sino también localizar el microambiente del tumor, guiar estrategias de tratamiento y predecir tasas de supervivencia. El modelo de detección temprana de cáncer de páncreas PANDA desarrollado por Alibaba Damo Academy tiene una precisión del 92,9% para determinar la presencia de lesiones. Estos resultados muestran que la IA no sólo puede ayudar en el diagnóstico, sino que también desempeña un papel clave en el tratamiento preciso.
Prácticas relacionadas han demostrado el papel de la IA en la detección de tumores. En febrero de este año, el "Proyecto benéfico de detección temprana de múltiples cánceres con IA médica" de Alibaba se implementó en el Hospital Central de Lishui y otras instituciones en Zhejiang, aplicando la innovadora tecnología de IA médica de la Academia DAMO al campo de la salud. "El proyecto examinó a más de 50.000 personas en 4 meses. Las enfermedades detectadas incluyeron cáncer de páncreas, cáncer de esófago, cáncer gástrico y cáncer colorrectal. 145 lesiones cancerosas encontradas entre ellas han sido confirmadas clínicamente por el equipo médico de IA de la Academia Damo. La persona a cargo". Lu Le, explicó que al combinar una gran cantidad de datos históricos y algoritmos complejos, la IA puede extraer información sobre lesiones diminutas que son difíciles de detectar a simple vista a partir de imágenes. En tareas tediosas de análisis de imágenes, la IA también puede procesar rápidamente grandes cantidades de datos, lo que reduce la presión sobre los médicos.
Xu Zhonghuang dijo que el cáncer debe depender de la colaboración multidisciplinaria para formular planes de tratamiento óptimos, y la IA puede ayudar a resolver problemas como la escasez de profesionales y los altos costos económicos en este proceso.
Tomando PANDA como ejemplo, Lu Le dijo que el modelo equivale a reunir la base de conocimientos de docenas de médicos de diferentes profesiones y logra la fusión de datos entre departamentos mediante la integración de datos multimodales, como datos de imágenes, información genómica y patología. datos, etc Sobre esta base, el modelo puede extraer información clave sobre las lesiones y posibles características patológicas, y luego realizar un análisis integral en todos los departamentos.
Mejorar la concientización sobre el cáncer
Promover la comprensión científica en el campo médico es una dimensión superior para que la IA ayude al diagnóstico y tratamiento de tumores.
El equipo de Li Zhicheng lleva décadas investigando los gliomas. Hablando sobre el estado actual del diagnóstico y tratamiento del glioma, Li Zhicheng dijo: "Nuestro conocimiento científico de esta enfermedad aún es limitado. Los médicos aún no han comprendido completamente el mecanismo de aparición, desarrollo y recurrencia del glioma, y aún no han encontrado métodos eficaces y tratamientos precisos."
Xu Zhonghuang siente lo mismo. "La falta de conocimiento sobre el cáncer limita los métodos de diagnóstico y tratamiento. Ante enfermedades difíciles y complicadas, muchas veces en la práctica clínica sólo podemos cruzar el río palpando las piedras".
Los modelos existentes de diagnóstico y tratamiento de IA también tienen limitaciones. Li Zhicheng dijo que muchos modelos se entrenan mediante conjuntos de datos de anotaciones a gran escala para encontrar correlaciones entre las características de la imagen y los resultados clínicos. Aunque este método ha logrado resultados notables en términos de precisión, esta operación de "caja negra" carece de base explicativa, lo que dificulta que los médicos confíen plenamente en los resultados de diagnóstico de la IA. Por lo tanto, es particularmente importante volver a la fuente del conocimiento médico.
En este sentido, la IA tiene mucho margen de juego. "La IA puede integrar datos multimodales como imágenes, patología, genes, etc., proporcionar un análisis integral a múltiples escalas y ayudarnos a construir un 'retrato' más completo de los tumores. El tumor es un ecosistema compuesto de células cancerosas complejas y cuanto más detallado sea su retrato, más preciso será, más podrá descubrir comportamientos tumorales y posibles objetivos de tratamiento que han sido ignorados en el pasado, proporcionando nuevas ideas para el tratamiento inicial ", dijo Li Zhicheng con el enriquecimiento continuo. A partir de datos a nivel molecular, como genomas y proteomas, se espera que la IA supere los obstáculos cognitivos existentes y ayude a mejorar la comprensión científica de los cánceres complejos.
Xu Zhonghuang añadió: "Frente a tumores desconocidos, si la IA puede hacer avanzar la comprensión humana de ellos, aunque sea un pequeño paso, puede proporcionar fundamentalmente una nueva guía metodológica para el diagnóstico y tratamiento de tumores y cambiar verdaderamente la forma en que abordamos el cáncer".
Aprovechar al máximo el papel de los datos como "nutritivos"
Para que la IA potencie aún más todo el proceso de diagnóstico y tratamiento de tumores, es fundamental obtener un soporte de datos enorme, completo y de alta calidad.
El entrenamiento de modelos de IA no sólo se basa en anotaciones médicas, sino que también requiere datos completos del ciclo clínico. Lu Le dio un ejemplo: "Durante el proceso de capacitación del modelo PANDA, los médicos no solo deben proporcionar datos multimodales, como imágenes patológicas, informes de patología e imágenes de tomografía computarizada, sino que también deben confirmar manualmente la ubicación de la lesión y delinear con precisión. en la tomografía computarizada mejorada Luego, el ingeniero pasa la tecnología de registro de imágenes tridimensionales mapea el contorno tridimensional de la lesión en la imagen de tomografía computarizada simple y, en última instancia, permite que la IA aprenda a identificar la apariencia de los tumores pancreáticos tempranos. en la imagen simple de TC”.
En este proceso, sólo los médicos y el equipo de IA trabajan en estrecha colaboración para proporcionar datos de entrenamiento de alta calidad para el modelo. Lu Le explicó además que los equipos de algoritmos de IA médica de vanguardia a menudo dependen de una amplia gama de hospitales cooperativos para proporcionar datos diversos, lo cual es crucial para mejorar la capacidad de generalización del modelo. Los datos de diferentes hospitales proporcionan al modelo de IA una rica base patológica, lo que le ayuda a responder a diversos escenarios clínicos con mayor precisión.
Sin embargo, debido a problemas como la gran cantidad de datos necesarios, muchos departamentos involucrados y datos dispersos, la adquisición de datos se ha convertido en el principal cuello de botella en la investigación actual de la IA contra el cáncer. "No es difícil obtener una sola imagen o datos patológicos, pero es muy difícil obtener datos de todas las modalidades, como imágenes, patología y genes, para el mismo paciente al mismo tiempo", dijo Li Zhicheng. Requiere una estrecha cooperación entre varios departamentos, pero también requiere mucho tiempo. La investigación actual sobre el cáncer a menudo se encuentra dispersa entre diferentes disciplinas: el análisis de imágenes está a cargo de técnicos en imágenes e ingeniería, mientras que los datos genéticos son procesados por personal de patología molecular o bioinformática. Derribar barreras entre disciplinas e integrar datos sigue siendo un gran desafío.
"Los datos son el 'nutriente' básico para determinar si la IA puede desempeñar plenamente su papel en la atención médica". En opinión de Xu Zhonghuang, la escalabilidad, la estandarización y la seguridad de los datos son consideraciones clave para los hospitales al implementar la IA médica. Los hospitales deben comenzar desde el presente al planificar el diseño de su IA, garantizar la estandarización de la entrada, el archivo y la gestión de datos, diseñar un marco de gestión de datos razonable con antelación y reservar interfaces para el procesamiento de datos futuro. La ventaja de la IA es que puede absorber continuamente nuevos datos y optimizarse. Esto requiere que el sistema de almacenamiento de datos del hospital sea escalable para hacer frente a la creciente demanda de datos multimodales.
En términos de seguridad de los datos, Xu Zhonghuang cree que los hospitales deben establecer mecanismos estrictos de cifrado de datos y protección de la privacidad para garantizar que las aplicaciones tecnológicas puedan brindar un soporte confiable para el diagnóstico y tratamiento clínico bajo la premisa de cumplir con las leyes, regulaciones y ética social.