您尚未登录账户请先登录您的atyun账户，方可使用该功能
您的企业账号申请正在审核中审核通过后即可使用此功能，请耐心等待~
深度学习帮助医生对乳腺癌肿瘤进行分类，准确度为82%
2018年11月23日 由 浅浅 发表
109552
0
在美国，有超过310万有乳腺癌病史的女性。今年，预计将有超过266,000名女性被诊断患有浸润性乳腺癌。为了帮助医生更好地检测和治疗这种疾病，研究人员开始寻求AI的帮助。在北卡罗来纳大学最近发表的一项研究中，研究人员描述了一种基于深度学习的系统，他们开发这种系统来分析乳腺癌数字病理图像并对肿瘤进行分类，结果准确度高。“基于图像的乳腺癌特征在临床预后中具有重要作用，”研究人员在他们的论文中指出，“例如，肿瘤分级强烈影响生存率，甚至在雌激素受体阳性等预后良好的肿瘤中也是如此。”
然而，研究人员表示，预后的大多数进展都依赖于分子方法，这种分子方法成本高昂，并且不会对可以从中受益的所有临床患者进行常规检查。
该团队使用NVIDIA Tesla GPU，在卡罗莱纳州乳腺癌研究中对500多个乳腺癌肿瘤病理图像对卷积神经网络进行了训练，以分类肿瘤的分级，雌激素受体状态，PAM50内在亚型和组织学亚型。这允许基于该数据计算风险复发分数。
然后，该团队在288张图像上测试了神经网络的准确性。该算法能够区分低中度肿瘤与高度恶性肿瘤，准确率为82％。
来自单个患者的四个H＆E核心和热图表明了图像不同区域的类预测。类概率由红色/蓝色的强度表示，强度越大，概率越高。预测的不确定性由白色表示。该患者被标记为高等级ER阴性，基底样内在亚型，导管组织学亚型和高ROR。
“使用AI或机器学习，我们能够完成许多病理学家能够以相同的准确度做的事情，但我们也能做一些病理学家今天无法做到的事情，”北卡罗来纳大学医学院遗传学、病理学和实验室医学教授Charles M. Perou博士表示，“在验证方面还有很长的路要走，但我认为随着我们获得更多图像来训练计算机，准确性只会越来越好。”
该研究最近发表在NPG乳腺癌杂志上。该算法能够用于识别那些将从进一步的基因组测试中受益的患者。该算法的另一个潜在用途是直接从病理图像中确定肿瘤的雌激素受体状态。对于实验室检测资源有限的国家，这将极为有用。
欢迎关注ATYUN官方公众号
商务合作及内容投稿请联系邮箱:bd@atyun.com
广告
广告
写评论取消
回复取消