日前，放射學(xué)領(lǐng)域的國際頂級期刊Radiology（《放射學(xué)》）在線發(fā)表了一項來自華為云EI創(chuàng)新孵化Lab團隊聯(lián)合華中科技大學(xué)電信學(xué)院、華中科技大學(xué)同濟醫(yī)學(xué)院附屬協(xié)和醫(yī)院放射科的最新研究成果：AI算法檢測動脈瘤靈敏度高達97.5%，幫助醫(yī)生臨床診斷靈敏度提升約10個百分點，漏診率降低5個百分點。
Radiology雜志為放射學(xué)領(lǐng)域的頂級期刊，一直被公認(rèn)為該領(lǐng)域最新、最高質(zhì)量研究的權(quán)威參考，2020年最新影響因子為7.9，是該領(lǐng)域內(nèi)被引用次數(shù)最多的期刊之一。
該論文題為《基于深度學(xué)習(xí)的CT血管造影腦動脈瘤檢測算法》（“Deep Learning-Based Algorithm for Detecting Cerebral Aneurysms on CT Angiography Images”），闡述了一種基于CTA影像的全自動化、高度敏感的腦動脈瘤檢測算法。
論文鏈接：https://pubs.rsna.org/doi/10.1148/radiol.2020192154
腦動脈瘤輔診：“人工智能+醫(yī)學(xué)影像”新突破
“人工智能+醫(yī)學(xué)影像”，是將目前最先進的人工智能技術(shù)應(yīng)用于醫(yī)學(xué)影像診斷中，幫助醫(yī)生診斷患者病情的人工智能具體應(yīng)用場景，可以廣泛用于各類病灶識別與標(biāo)注，如宮頸癌、肺部結(jié)節(jié)、心腦血管疾病輔診等。
腦動脈瘤是腦動脈內(nèi)腔的局限性異常擴大造成的一種瘤狀突出，存在滲漏或破裂風(fēng)險，位居腦血管疾病病因中的Top3位置，堪稱是沉默又致命的殺手。腦動脈瘤造成了大約80%-90%的非創(chuàng)傷性蛛網(wǎng)膜下腔出血這一嚴(yán)重的腦部疾病，死亡率為23%-51%，另外還有10%-20%的永久殘疾風(fēng)險，對其進行早期診斷與治療非常必要。動脈瘤位置多發(fā)，形態(tài)多樣，對醫(yī)生資歷要求較高。中國人口基數(shù)大，高資歷醫(yī)生匱乏，相關(guān)醫(yī)生工作強度極大。
動脈瘤破裂的風(fēng)險取決于動脈瘤的大小、形狀和位置，因此腦動脈瘤的檢測和特征提取是指導(dǎo)治療的關(guān)鍵。
CT血管造影成像（CTA）目前是評估顱內(nèi)動脈瘤的主要影像學(xué)檢查手段，與磁共振血管造影（MRA）相比， CTA是一種快速且經(jīng)濟有效的診斷技術(shù)，通常具有更廣的可用性和較高的空間分辨率。與數(shù)字減影血管造影（DSA）相比，CTA通常更廣泛且無創(chuàng)性，但是由于腦動脈瘤體積小和顱內(nèi)血管的復(fù)雜性，即使專業(yè)的放射學(xué)專家進行診斷也需要耗費很長的時間，一些小動脈瘤還可能被遺漏。
文章顯示，華為云EI創(chuàng)新孵化Lab團隊聯(lián)合華中科技大學(xué)電信學(xué)院、華中科技大學(xué)同濟醫(yī)學(xué)院附屬協(xié)和醫(yī)院放射科運用華為云一站式AI開發(fā)平臺ModelArts，開發(fā)了一套基于CTA影像的全自動化、高度敏感的腦動脈瘤檢測算法。
ModelArts平臺提供數(shù)據(jù)預(yù)處理及半自動化標(biāo)注、大規(guī)模分布式訓(xùn)練、自動化模型生成及端-邊-云按需部署能力，幫助用戶快速創(chuàng)建和部署模型，管理全周期AI工作流。
該算法含有一個編碼器和解碼器，并在編碼器解碼器中間使用了密集的空洞卷積(DAC)和殘差多核池化(RMP)模塊。輸入的CTA圖像被重采樣至0.39×0.39×0.39mm3的分辨率，算法輸出會給出動脈瘤存在概率、動脈瘤位置以及直徑大小等信息，并在CTA原始圖像上為可疑的動脈瘤勾畫出一個邊界框。
參與該聯(lián)合項目的華中科技大學(xué)同濟醫(yī)學(xué)院附屬協(xié)和醫(yī)院影像科專家龍茜博士表示：“我們聯(lián)合華為云開發(fā)的深度學(xué)習(xí)算法在檢測動脈瘤方面表現(xiàn)出了出色的性能。我們發(fā)現(xiàn)極少數(shù)動脈瘤在最初的臨床診斷報告中被忽略了，但它們被深度學(xué)習(xí)算法成功地識別出來了。”
結(jié)果顯示，深度學(xué)習(xí)算法在腦動脈瘤的診斷中具有潛力，有望在臨床上作為第二意見的診斷工具。
AI有許多優(yōu)點，主要是因為其不受經(jīng)驗水平、工作時間和情緒等影響人類表現(xiàn)的因素的影響。對于三甲醫(yī)院來說，人工智能+醫(yī)學(xué)影像的引入可以改善傳統(tǒng)高度依賴醫(yī)生人工讀片模式，在一定程度上緩解醫(yī)學(xué)影像診斷的壓力，同時亦可滿足三甲醫(yī)院的科研需求。
對于基層醫(yī)院來說，相比三甲醫(yī)院，對復(fù)雜影像的處理能力、判斷能力更為薄弱，因此誤診漏診率更高。人工智能通過把影像診斷結(jié)果進行前期的分析和處理，可以提高篩查數(shù)量，降低誤診漏診率，進而提高綜合醫(yī)療水平。
人工智能會替代影像科醫(yī)生嗎？對此，龍茜博士表示：“與華為云合作開發(fā)AI深度學(xué)習(xí)算法的目的是幫助影像科醫(yī)生，而不是取代他們。未來需要進一步收集、分析、驗證更異構(gòu)的高質(zhì)量數(shù)據(jù)，進一步驗證該算法，這是評估其推廣性和對日常臨床工作適用性的關(guān)鍵，需要AI算法專家、影像科專家等進一步通力合作。”
加速AI基礎(chǔ)研究和醫(yī)療領(lǐng)域落地
隨著人工智能的不斷發(fā)展，國內(nèi)主要IT和云廠商都在醫(yī)療、大健康領(lǐng)域有所布局。醫(yī)療基礎(chǔ)研究方面，華為云EI創(chuàng)新孵化Lab重點投入聚焦解決醫(yī)療領(lǐng)域的重大技術(shù)難題，相關(guān)論文投遞醫(yī)療頂會頂刊，在業(yè)界多個挑戰(zhàn)賽事上如LUNA-2016、HC-2018、ISLES-2018、MICCAI2019、MICCAI2020等獲得業(yè)界領(lǐng)先水平。
國際頂級人工智能醫(yī)學(xué)影像學(xué)術(shù)會議MICCAI（國際醫(yī)學(xué)圖像計算和計算機輔助干預(yù)會議）在2019年、2020年連續(xù)發(fā)表了華為云人工智能醫(yī)學(xué)影像分析團隊5篇論文，涵蓋宮頸癌篩查、腦中風(fēng)分割、心室分割以及平片診斷報告自動升生成相關(guān)領(lǐng)域研究成果。
同時，華為云為用戶提供端到端的AI使能平臺，覆蓋醫(yī)療影像、基因組、制藥等領(lǐng)域，與醫(yī)療行業(yè)領(lǐng)先企業(yè)及醫(yī)院和高校合作，加速AI研究和應(yīng)用落地。
在醫(yī)療影像領(lǐng)域，華為云可提供企業(yè)級的醫(yī)療影像AI平臺，支撐全流程可追溯的端到端AI建模，助力醫(yī)療影像AI更加系統(tǒng)、快速、安全地走向市場。
新冠肺炎疫情期間，華為云聯(lián)合華中科技大學(xué)等伙伴推出新冠肺炎AI+CT輔助診斷與量化分析服務(wù)：可實現(xiàn)新冠肺炎患者初篩，實現(xiàn)單病例量化結(jié)果秒級輸出，新冠肺炎敏感度超過99%；并可快速、準(zhǔn)確地為影像及臨床醫(yī)生提供CT量化結(jié)果，分割精度與醫(yī)生手工精準(zhǔn)勾勒高度一致，緩解可精準(zhǔn)診斷新冠肺炎影像醫(yī)生緊缺的局面及隔離防控壓力，減輕醫(yī)生診斷工作負(fù)荷。該方案在全球數(shù)十個國家的醫(yī)院推廣應(yīng)用。
