На конференции «Глобальная цифровая экономика 2024» посетители осмотрели медицинское оборудование искусственного интеллекта, используемое для помощи врачам в диагностике с помощью изображений. Чэнь Сяоген
Одна компьютерная томография может помочь врачам идентифицировать различные виды рака, а онлайн-платформа может завершить подключение персонализированных медицинских ресурсов за считанные секунды... В последние годы технология искусственного интеллекта (ИИ) радикально меняет все аспекты диагностики и лечения опухолей. .
«ИИ может управлять всем процессом диагностики и лечения опухолей», — сказал репортеру Ли Чжичэн, исполнительный директор Исследовательского центра медицинского искусственного интеллекта Института биомедицины и медицинской инженерии Шэньчжэньского института передовых технологий Китайской академии наук. из Science and Technology Daily: «От первоначальной диагностики с помощью визуализации, выявления поражений, госпитализации пациентов до патологического диагноза, визуализации хирургических планов и даже отслеживания выздоровления при выписке — вмешательство ИИ видимо и ощутимо для врачей и пациентов».
Помощь в раннем скрининге опухолей
Сюй Чжунхуан, директор пекинской американо-китайской онкологической больницы Айруй, сказал, что многие больные раком уже находятся на средней и поздней стадии диагноза и упускают лучшую возможность для лечения. Ранний скрининг может помочь врачам выявить состояния на бессимптомной или предраковой стадии и эффективно снизить заболеваемость и смертность за счет раннего вмешательства. ИИ имеет большой потенциал в области раннего скрининга опухолей.
Ранний скрининг опухолей обычно основан на ряде неинвазивных или минимально инвазивных методов обследования, включая визуализирующие исследования, обнаружение маркеров крови и молекулярную диагностику. В этом отношении вмешательство ИИ достигло прорывного прогресса. Ли Чжичэн считает, что благодаря поддержке технологии глубокого обучения на основе изображений производительность ИИ при некоторых скринингах опухолей может даже превзойти результаты экспертов-людей.
За последние два года международные журналы, такие как Nature, опубликовали множество исследований по скринингу опухолей с помощью ИИ. Модель CHIEF, разработанная командой Гарвардской медицинской школы, может не только диагностировать 19 типов рака, но также определять микроокружение опухоли, определять стратегии лечения и прогнозировать выживаемость. Модель раннего выявления рака поджелудочной железы PANDA, разработанная Alibaba Damo Academy, имеет точность определения наличия поражений 92,9%. Эти результаты показывают, что ИИ может не только способствовать диагностике, но и играть ключевую роль в точном лечении.
Сопутствующая практика показала роль ИИ в скрининге опухолей. В феврале этого года в центральной больнице Лишуй и других учреждениях провинции Чжэцзян был развернут «Благотворительный проект медицинского искусственного интеллекта по раннему выявлению рака» Alibaba, в котором инновационная медицинская технология искусственного интеллекта Академии DAMO применялась в сфере здравоохранения. «За 4 месяца в рамках проекта было обследовано более 50 000 человек. Среди обследованных заболеваний были рак поджелудочной железы, рак пищевода, рак желудка и колоректальный рак. 145 раковых поражений, обнаруженных среди них, были клинически подтверждены. Медицинская группа искусственного интеллекта Академии Дамо Ответственное лицо». Лу Ле объяснил, что, объединив большой объем исторических данных и сложные алгоритмы, ИИ может извлекать информацию о крошечных повреждениях, которые трудно обнаружить невооруженным глазом на изображениях. При выполнении утомительных задач по анализу изображений ИИ также может быстро обрабатывать большие объемы данных, снижая нагрузку на врачей.
Сюй Чжунхуан сказал, что рак должен полагаться на междисциплинарное сотрудничество для разработки оптимальных планов лечения, а ИИ может помочь решить такие проблемы, как нехватка специалистов и высокие экономические затраты в этом процессе.
Приведя в качестве примера PANDA, Лу Ле сказал, что эта модель эквивалентна объединению базы знаний десятков врачей разных профессий и обеспечивает объединение данных между подразделениями путем интеграции мультимодальных данных, таких как данные визуализации, геномная информация, патология. данные и т. д. На этой основе модель может извлечь ключевую информацию о повреждении и потенциальных патологических характеристиках, а затем провести комплексный анализ между отделениями.
Повысить осведомленность о раке
Содействие научному пониманию в области медицины является более важным аспектом использования ИИ в диагностике и лечении опухолей.
Команда Ли Чжичэна занимается исследованиями глиомы на протяжении десятилетий. Говоря о современном состоянии диагностики и лечения глиомы, Ли Чжичэн сказал: «Наше научное понимание этого заболевания все еще ограничено. Врачи еще не до конца поняли механизм возникновения, развития и рецидивирования глиомы и еще не нашли эффективных и эффективных методов лечения. точный метод лечения».
Сюй Чжунхуан чувствует то же самое. «Отсутствие знаний о раке ограничивает методы диагностики и лечения. Перед лицом сложных и сложных заболеваний во многих случаях в клинической практике мы можем пересечь реку, только ощупывая камни».
Существующие модели диагностики и лечения ИИ также имеют ограничения. Ли Чжичэн сказал, что многие модели обучаются с помощью крупномасштабных наборов аннотированных данных, чтобы найти корреляции между характеристиками изображения и клиническими результатами. Хотя этот метод достиг замечательных результатов с точки зрения точности, эта операция «черного ящика» не имеет объяснительной основы, что затрудняет полное доверие врачам к диагностическим результатам ИИ. Поэтому особенно важно вернуться к источнику медицинских знаний.
В этом отношении у ИИ есть много возможностей для игры. «ИИ может интегрировать мультимодальные данные, такие как изображения, патологии, гены и т. д., обеспечивать многомасштабный комплексный анализ и помогать нам создавать более полный «портрет» опухолей. Опухоль — это экосистема, состоящая из сложных раковых клеток, и чем более подробным будет его портрет, тем больше он сможет обнаружить поведение опухолей и потенциальные цели лечения, которые игнорировались в прошлом, предоставляя новые идеи для начального лечения», — сказал Ли Чжичэн с постоянным обогащением. Ожидается, что искусственный интеллект поможет улучшить научное понимание сложных видов рака, используя данные молекулярного уровня, такие как геномы и протеомы.
Сюй Чжунхуан добавил: «Перед лицом незнакомых опухолей, если ИИ сможет продвинуть человеческое понимание их, даже на небольшой шаг, он может фундаментально обеспечить новое методологическое руководство для диагностики и лечения опухолей и действительно изменить то, как мы боремся с раком».
В полной мере раскрыть роль данных как «питательной» информации.
Чтобы ИИ расширил возможности всего процесса диагностики и лечения опухолей, крайне важно получить высококачественную, всеобъемлющую и обширную поддержку данных.
Обучение моделей ИИ не только опирается на аннотации врачей, но также требует полных данных клинического цикла. Лу Ле привел пример: «В процессе обучения модели PANDA врачам необходимо не только предоставлять мультимодальные данные, такие как патологические изображения, отчеты о патологии и изображения КТ, но также необходимо вручную подтвердить местоположение поражения и точно очертить его. Затем инженер передает. Технология регистрации трехмерных изображений отображает трехмерный контур поражения на простом КТ-изображении и в конечном итоге позволяет ИИ научиться распознавать появление ранних опухолей поджелудочной железы. на простом КТ-изображении».
В этом процессе только врачи и команда искусственного интеллекта тесно сотрудничают, чтобы предоставить модели высококачественные данные для обучения. Лу Ле далее пояснил, что команды передовых медицинских алгоритмов искусственного интеллекта часто полагаются на широкий спектр совместных больниц для предоставления разнообразных данных, что имеет решающее значение для улучшения способности модели к обобщению. Данные из разных больниц предоставляют модели ИИ богатый патологический фон, помогая ей более точно реагировать на различные клинические сценарии.
Однако из-за таких проблем, как необходимость больших объемов данных, участие множества отделов и разбросанность данных, сбор данных стал основным узким местом в текущих исследованиях искусственного интеллекта в области рака. «Нетрудно получить одно изображение или данные о патологии, но очень сложно одновременно получить всемодальные данные, такие как визуализация, патология и гены, для одного и того же пациента», — сказал Ли Чжичэн, что это не только. требует тесного сотрудничества между несколькими отделами, но также занимает много времени. Текущие исследования рака часто разбросаны по разным дисциплинам: анализом изображений занимаются специалисты по визуализации и инженерии, а генетические данные обрабатываются специалистами по молекулярной патологии или биоинформатике. Разрушение барьеров между дисциплинами и интеграция данных остается огромной проблемой.
По мнению Сюй Чжунхуана, масштабируемость, стандартизация и безопасность данных являются ключевыми факторами для больниц при развертывании медицинского ИИ. Больницы должны начинать с настоящего момента при планировании своей структуры ИИ, обеспечивать стандартизацию ввода, архивирования и управления данными, заранее разработать разумную структуру управления данными и зарезервировать интерфейсы для будущей обработки данных. Преимущество ИИ в том, что он может постоянно поглощать новые данные и оптимизировать себя. Это требует, чтобы система хранения данных больницы была масштабируемой, чтобы справиться с растущим спросом на мультимодальные данные.
Что касается безопасности данных, Сюй Чжунхуан считает, что больницам необходимо установить строгие механизмы шифрования данных и защиты конфиденциальности, чтобы гарантировать, что технологические приложения могут обеспечить надежную поддержку клинической диагностики и лечения при условии соблюдения законов, правил и социальной этики.