你好,游客 登录
背景:
阅读新闻

IBM 在医学影像领域发力,一张照片就能诊断皮肤癌

[日期:2016-11-18] 来源:雷锋网  作者: [字体: ]

  

IBM 在医学影像领域发力,一张照片就能诊断皮肤癌

 

  皮肤癌在美国是一种高发疾病,每年都有 500 万人被诊断患有此病,全美卫生系统为此要花掉 80 亿美元,而这 500 万人中有超过 10 万例都是皮肤癌中致死率最高的黑色素瘤,它每年都会夺走超过 9 千条性命,而且这一数字还在逐年攀升。

  在世界范围内看,黑色素瘤也是公共健康的大敌。在澳大利亚,每年都有超过1.3万新增黑色素瘤患者,致死人数更是达到每年 1600 人(澳大利亚人口很少)。在欧洲,每年黑色素瘤每年则会夺走 2 万人的生命。

  为了遏制黑色素瘤不断攀高的死亡率,医学专家需要与时间赛跑,尽早确诊病人皮肤癌的类型。数据显示,如果能及时发现并对症治疗,病人五年内的成活几率超过 98 % 。不过,一旦癌细胞扩散到病人的淋巴系统,成活几率马上就会降到 16 % 以下。

  科技的发展为医生提供了非常有效的工具。如今专业的皮肤科医生可以利用名为“皮肤镜”(Dermoscopy)的影像技术提早发现黑色素瘤,但这种方法依然面临两大挑战。

  首先,医学界能掌握此类技术的专业医生数量严重不足,因此在许多偏远地区病人的病情会被耽误。如何让此类诊断方式常态化、廉价化是当今医学界最大的挑战。

  其次,人非圣贤,孰能无过,在诊断过程中发生误诊是常事。数据显示,想确诊一例黑色素瘤,至少要进行九次手术活检。而手术活检不但会给病人带来巨大的身体疼痛,还会浪费大量金钱。

  因此,针对这两项挑战医学界需要加大创新力度,提高黑色素瘤诊断的准确度。人类医学发展至今,血检一直是有效方式之一,而且这种方式快捷方便,普通医生只需经过简单训练就能在本地医疗机构或实验室完成检验工作。检验完成后,数据就能成为主治医师下达诊断通知书的重要参考。可惜的是,如今医学界针对黑色素瘤还没有可靠的血液检测方式。

  医生在未来能否只通过图片就确诊皮肤癌患者呢?

  IBM 研究院一直致力于将新技术应用于皮肤图像分析中去,参与该项目的除了医学专家,IBM 的机器学习、计算机视觉和云计算专家都投入了巨大的精力。此外,纪念斯隆凯特林癌症中心也为这项研究尽心尽力。

  最近,IBM 就借助计算机视觉开发了一种新技术,未来只靠图片就能准确的诊断患者是否患有黑色素瘤,就像现有的血液测试一样方便快捷。不过,拥有这样神力的并非人类医学专家,IBM 靠的是云端分析服务。在它们的设想中,未来医护人员只需利用皮肤镜拍摄一张病变患处的图片并上传到云端分析服务中心,不久后就能获得详细的检测报告。随后,医生只需详细分析报告中的数据,就能判断病人是否患了黑色素瘤。除了检测皮肤癌,报告中的数据还涉及患者的皮下细胞结构,医生能及时判定患者是否还有罹患其他疾病的可能。

  2015 年,IBM 的团队就发布了该诊断方法的初步研究报告。在报告中,IBM 描述了计算机视觉诊断方式的优势。借助 MSK 和国际皮肤成像合作机构的帮助,IBM 已经拿到了初始数据集。在研究中,IBM 成绩斐然,不过眼下这一算法还是不够智能,依然需要医学专家描出图中皮肤病变处的轮廓。至于诊断结果到底准确与否,IBM 表示它们还未与人类医学专家进行直接对比(2015年时)。

  研究报告发布后,IBM 一直在推进计算机视觉诊断技术的进步,其目标就是让电脑自动识别皮肤病变区域同时提高分析的效率。同时,它们还力邀 8 位专家进行诊断效果比拼,结果发现,IBM 的计算机视觉诊断方式的表现比此前的诊断方式要好上 3 倍,同时其准确度与 8 位业内专家达到了相同级别。

  这份全新的研究报告将在 2017 年正式发布,不过康奈尔大学已经在 arXiv 的预发表服务器上发布出该报告。

  不过,需要注意的是这一诊断方式依旧处在早期阶段。IBM 的计算机视觉诊断系统如今只参与过 3000 例皮肤癌的诊断,而一个经验丰富的医师每天就能诊断 25 位病人,如果每月按 20 个工作日来算,医师每年就能诊断 6000 个病人。因此,IBM 系统的诊断水平只能算是刚刚入行的医学院学生而已,要想将该系统投入实战,IBM 还得对其多加培训。

  不过,希望总是有的,如果计算机视觉诊断系统能担起重任,医生就能花更多时间在疾病的治疗上了。

  via IBM.com

收藏 推荐 打印 | 录入:admin | 阅读:
相关新闻      
本文评论   查看全部评论 (0)
表情: 表情 姓名: 字数
点评:
       
评论声明
  • 尊重网上道德,遵守中华人民共和国的各项有关法律法规
  • 承担一切因您的行为而直接或间接导致的民事或刑事法律责任
  • 本站管理人员有权保留或删除其管辖留言中的任意内容
  • 本站有权在网站内转载或引用您的评论
  • 参与本评论即表明您已经阅读并接受上述条款