药明康德AI/报道
图片来源：Pixabay
癌症，是人类健康的一大杀手，不同癌症对人类的“杀伤力”自然也不同。从古至今，前列腺癌一直是困扰着男性的“健康杀手”。上至古埃及时期，中年男性木乃伊身上，科学家就曾找到过前列腺癌的肿瘤，肿瘤扩散全身，影响各处骨骼。
据最新发布的《全球癌症负担报告》中提到，前列腺癌是中国位列发病最多、死亡率最高的癌症前十名。不过前列腺癌又有着“不太冷的杀手”的称号，其生存数据较为乐观，局限性前列腺癌或者仅区域性扩散前列腺癌患者5年生存率可达100%。不过，不管前列腺癌这个“杀手”冷不冷，它的危害性足以引起人们重视。科学家们也致力研发各种新疗法、拓展治疗新思路，从而造福患者。
日前，日本理化研究所（RIKEN）研究人员基于深度学习算法，开发出治疗前列腺癌的AI病理诊断解释的新方案。能够从无注释的病理学图像中自动获取可解释的特征，此外这个最新的AI还具有查缺补漏的能力，能够发现病理学家未注意到的癌症预后相关特征，这也就意味着AI预测前列腺癌复发的准确性将高于医生。这项研究最新发表在《自然通讯》（Nature Communications）上。
通过病理诊断癌症，是目前癌症医学中最可靠的诊断方式之一，不过对于医疗从业人员来说，病理学知识技能积累的过程不是一朝一夕便可完成，而是需要通过长期研究累积而成。从过往的一些医疗AI的研究来看，由机器学习（Machine Learning）驱动的组织病理图像分析模型随时辅助医生的有力工具，但却仍面临两大难题，一是通过需要可解释分析才能最终通过临床试验，二是当病理图像数据集过大时，人工注释可行性低。
对研究人员来说，当务之急便是从大量无注释的病理图像中自动获取可解释的特征，那么深度学习（Deep Learning）便是不二选择了。研究由Yamamoto教授和Go Kimura教授领导研究，该团队在研究过程中与日本许多大学医院相继展开合作，他们采用无监督学习（Unsupervised Learning）方法展开研究。
图片来源：Pixabay
因此一旦当AI遇到难以采用人工注释类别的病理图像或是未经人工注释的图像，它都可以根据类别未知的训练样本解决模式识别中的各种问题，从而进一步了解前列腺患者病理图像。
研究人员获得了来自日本医学院附属医院（NMSH）的13,188张前列腺全载病理切片图像，相当于有大约860亿个图像补丁，这一庞大的图像数据集则被用于训练AI进行病理识别及癌症诊断。由于数据庞大，研究人员将算法过程置于强大的RAIDEN超级计算机上进行执行。
▲ RAIDEN超级计算机（动图来源：RIKEN）
AI系统从1100万个图像补丁中学习了为经过人工注释的病理图像，它成功识别出符合Gleason分级的病灶（Gleason分级是一种被广泛采用的前列腺癌组织学分级的方法，也是决定治疗方案的最重要的指标），同时AI在运作中还有意想不到的新发现，它还成功识别了人类病理学家未曾关注的非癌症区域中的基质（支持器官的结缔组织）。
为评估验证这些AI所发现的病灶，研究人员使用来自NMSH的其余病例的图像补丁进行了癌症复发预测的实验。经实验验证，他们发现，人工智能系统根据Gleason分级进行的前列腺癌患者复发预测的准确率为82%，相对于人类医生的诊断，准确率高出8%。此外，结合AI所发现的非癌症区域的组织，以及人类建立的标准库，这种联合预测的准确率为84.2%，也比单一方式来得更高。
▲ 自动注释图像，发现的关键特征和细胞水平信息（图片来源：参考资料[1]）
为确保实验结果的可信度，研究人员还将来自圣玛丽安娜大学医院和爱知医科大学医院的2,276张完整的病理图像，100亿个图像补丁作为进行外部验证的数据集，从而进一步验证了AI模型的性能。
Yamamoto教授表示，他们十分高兴，发现AI能够从未经注释的病理图像中自行识别出病灶。这一研究的成功也让他们看到AI用于预测癌症复发的潜能。从未经注释的病理图像中对病灶组织进行精准识别，不但为AI预测癌症复发提供可能，对于个性化医学的发展更是贡献不小。
从这项研究中，人们也可以因此更好理解AI在预测癌症时的工作方式，这对于解决一些医疗AI的“黑箱”问题来说是大有助益的，也将能为医疗人工智能安全的发展奠定基础。人类与AI的工作互不冲突、相辅相成，这种高效的工作模式也将催生出更高效的诊疗模式。参考资料（可上下滑动查看）
[1] Automated acquisition of explainable knowledge from unannotated histopathology images Retrieved Dec 19, 2019 from https://www.nature.com/articles/s41467-019-13647-8.pdf
[2] Artificial intelligence identifies previously unknown features associated with cancer recurrence Retrieved Dec 19, 2019 from https://www.eurekalert.org/pub_releases/2019-12/r-aii121519.php
版权说明：欢迎个人转发至朋友圈，谢绝媒体或机构未经授权以任何形式转载至其他平台。转载授权请在「药明康德AI」微信公众号后台回复“转载”，获取转载须知。
更多文章精选
点击图片阅读：今日《自然》：科幻级“触感皮肤”诞生，可远程感知亲友的抚摸
点击图片阅读：3D生物打印实现器官完全“自主存活”还要多久？
点击图片阅读：未来医院长什么样？投资20亿的新斯坦福医院告诉你答案
点“在看”，分享AI健康新动态