PLOS ONE：“深度学习”计算机击败医生，但无法取代医生
2018-05-04 小通 生物通
nant Madabhushi博士是美国凯斯西储大学生物医学工程系的一名教授。他的实验室开发出可以协助诊断癌症和心脏病的“深度学习”计算机。最近，这些计算机击败了医生同行，但Madabhushi驳斥了这些机器将取代病理学家和放射科医生的说法。
Anant Madabhushi博士是美国凯斯西储大学生物医学工程系的一名教授。他的实验室开发出可以协助诊断癌症和心脏病的“深度学习”计算机。最近，这些计算机击败了医生同行，但Madabhushi驳斥了这些机器将取代病理学家和放射科医生的说法。
Madabhushi认为，这些工具可以帮助医生提高效率。例如，对于无疾病或明显良性的病例，医生不必花太多时间，从而可以更专注于比较复杂的病例。同时，这些工具还可以分辨那些恶性程度较低的患者，避免了不必要的放疗或化疗。
“这并不是说我们能够'击败'病理学家或放射科医生，而是这台机器能够增添价值，”他说。“目前市场上迫切需要更好的决策支持工具为患者提供服务，特别是在病理学家或放射科医生非常少的地方。”
Madabhushi列举了最近发表的三个研究实例，说明这些工具能够带来非常准确的结果。
第一个例子是，Madabhushi实验室的计算机成像系统准确预测了97％的病例，其中105名患者已显示出心力衰竭的证据。相比之下，两位病理学家的预测准确性为74％和73％。这些结果最近发表在《PLOS ONE》期刊上。
在第二个例子中，Madabhushi及其同事发现，尽管放射科医生通常将CAT扫描中出现的一半结节标记为“可疑”或“不确定”，但实际上大约98％的结节是良性的。在最近发表在《Journal of Medical Imaging》上的一项研究中，研究小组表示，计算机成像技术在区分良性与恶性肺结节比两位人类专家更出色。
此外，在美国、芬兰和澳大利亚进行的一项前列腺癌扫描研究中，计算成像算法同样优于人类医生。这种机器算法识别了核磁共振成像（MRI）扫描中放射科医生错过的70％以上的前列腺癌病例。对于半数的放射科医生错误判定前列腺癌明显存在的病例，机器算法能够正确地识别出疾病不存在。
那么，这些超级计算机究竟做了什么，才能在短时间内击败经验丰富的医生？答案是这些诊断成像计算机能够快速读取、记录和比较几百张组织样本的切片，而病理学家在同样时间内只能读取一张。
然后，它们快速完整地记录腺体、细胞核及周围组织的质地、形状和结构等特征，以确定某些疾病的侵袭性和风险。最后，它们努力预测疾病的侵袭程度，以及扫描到的结节是否会癌变。
Madabhushi举了一个例子，博茨瓦纳的人口有200万，但只有一名病理学家。“通过更准确地分类真正需要护理的患者，我们能帮助病理医生更有效地开展工作，”他说。
原始出处：
Jeffrey J. Nirschl , et al.A deep-learning classifier identifies patients with clinical heart failure using whole-slide images of H&E tissue.PLOS ONE.Published: April 3, 2018
小提示：本篇资讯需要登录阅读，点击跳转登录
版权声明：
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#Plos one#
32
#计算机#
30
学习了受益匪浅
45
学习了.长知识
69