0
| 本文作者： 李雨晨 | 2019-03-20 19:03 |
雷鋒網消息，近日，四川省人民醫院的劉曉崗主任帶領團隊，與哈佛醫學院貝斯以色列女執事醫療中心的研究人員合作發表了一篇論文。這項研究是第一項使用基于深度學習的高性能CADe系統的前瞻性隨機對照試驗，以幫助內鏡醫師檢測患者的結腸息肉。
實驗中發現，與標準結腸鏡相比，AI系統輔助的結腸鏡檢查，查出的ADR（腺瘤檢出率）增加了近50%。每位患者檢出的平均腺瘤數也增加了——AI檢查出了更多的較小腺瘤。
在小組的初步研究中，該算法的敏感性為94.38％，特異性為95.92％，受試者工作特征曲線下面積（AUC）為0.984（越接近1，說明準確性越高）。此外，通過使用多線程處理系統，AI對實時視頻的處理速度能夠達到每秒至少25幀，延遲時間為76.80±5.60毫秒。對于內鏡醫師來說，檢測延遲幾乎不明顯。
這是一件非常難的事情。因為，從靜態影像到動態視頻，對于AI系統來說難度是指數級增加的。但是，可貴之處在于，相比于靜態的影像，動態的視頻更符合醫生的實際工作場景，因此研究也更腳踏實地。
至于為什么要選擇結直腸癌作為研究的對象，這個可能跟疾病本身有關。
根據國家癌癥中心全國腫瘤登記數據報告，我國城市和農村地區結直腸癌發病率分別位列惡性腫瘤的第2位和第5位，死亡率分別位居第4位和第5位。結直腸癌的特點在于，它是一種早期和晚期死亡率相差極大的癌癥，早期結直腸癌生存率能夠達到90%，幾乎只要發現就能痊愈；而晚期結直腸癌生存率卻只有僅僅20%。
結腸鏡檢查是篩查CRC的金標準，結腸鏡檢查通過檢測和切除腺瘤性息肉，可以降低結直腸癌的發生率和死亡率。在過去的半個世紀里，成人的死亡率和CRC發病率急劇下降（分別為51％和32％），主要就是由于CRC篩查和腺瘤性息肉的切除。因此，及時發現與鑒別結直腸息肉，提升結直腸腫瘤早篩水平，成為對抗結直腸癌的關鍵。
此外，有證據表明，ADR（腺瘤檢出率）每增加1.0％，間隔CRC風險降低3.0％。然而，息肉有高達27％的遺漏風險，醫生視野內無法識別的息肉是一個需要解決的重要問題。一些研究表明，在檢查中增加一位醫生可以增加息肉檢出率（PDR），但這種策略在提高ADR方面仍存在爭議。
因此，團隊研究了基于深度學習的自動息肉檢測系統對息肉檢測率和ADR的影響。理想情況下，實時自動息肉檢測系統的性能可以接近于專家內鏡醫師的能力，幫助內鏡醫師以比人更可靠的方式檢測可能對應于腺瘤的病變。
據雷鋒網了解，這次前瞻性研究被設計為隨機對照試驗，研究在四川省人民醫院進行，共納入了1058例患者。患者被隨機分組進行診斷性結腸鏡檢查，一組接受標準結腸鏡檢查（536例），另一組接受AI系統（實時自動息肉檢測系統）輔助的結腸鏡檢查（522例）。來自胃腸病學部門的8名醫生參與了這項研究，其中包括兩名高級內鏡醫師（> 20000例結腸鏡檢查），兩名中層內鏡醫師（3000至10000名結腸鏡檢查）和四名初級內鏡醫師（100至500名結腸鏡檢查）。
在AI輔助的組中，結腸鏡連接到AI系統，監視器上會顯示用藍色空心框圈出的息肉位置，同時發出警報聲，醫生主要負責盯好監視器，在警報聲提示檢測到息肉時對息肉進行評估，判斷它是否是息肉，是否是腺瘤性息肉。
深度學習架構。檢測算法是基于SegNet架構的深度卷積神經網絡（CNN）。數據流是從左到右：結腸鏡檢查圖像被順序地扭曲成二進制圖像，其中1代表息肉像素，0代表概率圖中沒有息肉。然如輸出中所示，CADe監視器上有一個空心跟蹤框
從結果來看兩組共檢出了767個息肉，其中有422個腺瘤，對照組和AI組的PDR分別為0.29和0.45。
在良好的腸道準備情況下，AI輔助組的ADR顯示出比常規組高6％的趨勢。AI系統顯著增加ADR（29.1％vs20.3％，p <0.001）和每位患者的腺瘤平均數（0.53vs0.31，p <0.001）。這是由于發現了更多的小腺瘤（185vs102; p <0.001），而較大的腺瘤（77vs58，p = 0.075）的檢出數量雖然也有差距，但是不具有統計學意義。此外，增生性息肉的數量也顯著增加（114vs52，p <0.001）。
從檢查所需時間上來看，AI組所需的時間為6.89分鐘，只是比對照組的標準結腸鏡組長0.5分鐘，也都沒有出現與腸鏡檢查相關的并發癥。
此外，經過統計，AI輔助組共有39個誤報，每個結腸鏡檢查平均誤報0.075次，基本上影響很小。在AI輔助組中檢測到的所有息肉中，自動息肉檢測系統沒有遺漏任何息肉。
從幾個維度可以看出，劉曉崗主任領導開發的這款AI系統，在結直腸癌的篩查領域表現已經足夠優秀。但是，研究團隊也總結了這項研究中有待改進的地方。
首先，系統的確切貢獻不太好評估。由于“競爭精神”，被觀察的行為也可能影響實驗組的ADR。這一機制可能解釋了AI組中潛在的混雜因素，因為內窺鏡醫生可能在已知的觀察環境中更專注。將來，可以設計雙盲研究來研究該系統在增加的腺瘤檢出率中的確切作用。這樣的研究還可以幫助確定內窺鏡檢查者和系統是否同時檢測到息肉，或者內窺鏡檢查員一開始是否錯過了息肉，這是當前研究沒有設計解決的問題。
第二，缺乏外部有效性。研究的基線腺瘤和息肉檢出率不如西方國家報道的高。多種因素可能有助于這一發現，包括中國和西方人群之間的遺傳、飲食、生活方式和習慣差異，以及兩組間結腸息肉/腺瘤發病率的差異。因此，這項研究的結果可能不能推廣到世界上基線ADR較高的地區。需要進一步研究該系統在這些領域的適應性和有效性。
第三，雖然假陽性率很低，但一些假陽性率出乎系統設計者的意料，這是由于檢測到藥物膠囊、局部出血部位或未消化的碎片而發生的，可能會在手術過程中造成干擾。這可以通過向當前系統添加足夠的培訓數據來糾正。
第四，這項研究沒有控制參與內鏡醫師的疲勞程度，這可能是影響ADR的獨立因素。需要進一步的研究來研究這種CADe系統對不同疲勞水平的有效性。
第五，由于初級內鏡醫師對結腸鏡檢查的樣本量不足，需要進一步研究以顯示該CADe系統在不同培訓水平中的作用和有效性。
最后，該研究使用奧林巴斯結腸鏡檢查設備進行。因此，還應探索該系統對其他公司制造的設備的適應性。
總之，這項研究表明，基于深度學習的AI系統系統可以讓低流行ADR區域中結腸直腸息肉和腺瘤檢測率的顯著增加。鑒于其高準確性、保真度和穩定性，當前的AI系統可以更好地適用于當前臨床實踐中以更好地檢測結腸息肉。在醫生和工程師的共同努力下，在眾多的病種篩查領域里，AI輔助系統又多了一塊“用武之地”。雷鋒網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
