根據(jù)分析乳房X光片,不同的放射科醫(yī)生所讀取的乳房密度有很大差異,而乳房密度則是表明患者是否有患乳腺癌的風(fēng)險(xiǎn)的評(píng)估指標(biāo)。
研究發(fā)現(xiàn),放射科醫(yī)生將乳房X光片中介于6%和85%之間的任何區(qū)域分類(lèi)為“不均勻致密型”或“極度致密型”癌癥高風(fēng)險(xiǎn)區(qū)域。
麻省理工的研究人員使用神經(jīng)網(wǎng)絡(luò)減少放射科醫(yī)生對(duì)乳房X光片解讀的這種差異。
他們的深度學(xué)習(xí)模型由放射科醫(yī)生在麻省總醫(yī)院的篩查中心使用。研究人員表示,這是首次在大規(guī)模臨床實(shí)踐的日常工作流程中部署這樣的模型。
更好地了解風(fēng)險(xiǎn)
在美國(guó),每年會(huì)執(zhí)行大約3300萬(wàn)次篩查性乳房X光檢查。這些篩查能夠在任何相關(guān)癥狀出現(xiàn)之前揭示乳腺癌的存在,但是還包括另一個(gè)重要評(píng)估:乳房組織密度。
在評(píng)估乳房X光片時(shí),放射科醫(yī)生根據(jù)乳房組織的密度和分布,將掃描結(jié)果分為四個(gè)部分:脂肪型、散布、不均勻致密型或極度致密型。
后兩類(lèi)是需要多加注意的。如果乳房X光片評(píng)估為其中一種,意味著高密度、支持性的乳房組織所占的比例較高。與脂肪組織不同,乳房X光片上的支持性組織看起來(lái)不那么透明,這使乳房的其他部位變得模糊,更難發(fā)現(xiàn)異常情況。
它也是獨(dú)立的癌癥風(fēng)險(xiǎn)因素,具有高乳房密度的女性患乳房癌的可能性比低乳房密度的女性高四到五倍。
在美國(guó),大約一半年齡在40到74歲之間的女性被評(píng)估為乳房致密,這意味著長(zhǎng)期看來(lái),由于患乳腺癌的風(fēng)險(xiǎn)較高,她們可能需要接受MRI等其他篩查方法。
深度學(xué)習(xí)有助于向病患提供非常一致的篩查結(jié)果,便于其更好地了解風(fēng)險(xiǎn)。
乳房密度是整體特征,是基于完整的乳房X光片衡量的屬性。這就更易于神經(jīng)網(wǎng)絡(luò)對(duì)其進(jìn)行分析,麻省理工研究生和論文合著者Kyle Swanson說(shuō)。
該團(tuán)隊(duì)在成千上萬(wàn)張帶標(biāo)記的數(shù)字乳房X光片(由不同的放射科醫(yī)生進(jìn)行評(píng)估)上對(duì)其深度學(xué)習(xí)工具進(jìn)行了訓(xùn)練。
結(jié)果是,神經(jīng)網(wǎng)絡(luò)的乳房X光檢查評(píng)估與多名放射科醫(yī)生的共識(shí)讀數(shù)比任何一位醫(yī)生都要接近。在臨床環(huán)境中,這可以讓放射科醫(yī)生根據(jù)此一致評(píng)估對(duì)掃描結(jié)果做出判斷。
將深度學(xué)習(xí)應(yīng)用到臨床
自1月開(kāi)始,麻省總醫(yī)院篩查中心的放射科醫(yī)生便已經(jīng)開(kāi)始在其臨床工作流程中使用深度學(xué)習(xí)模型。分析乳房X光片時(shí),放射科醫(yī)生會(huì)看到深度學(xué)習(xí)模型做出的評(píng)估,并決定是否與其保持一致意見(jiàn)。
為評(píng)估模型是否成功,研究人員記錄下了在10,000多次神經(jīng)網(wǎng)絡(luò)評(píng)估的掃描中,參與解釋的放射科醫(yī)生接受其評(píng)估結(jié)果的次數(shù)。
在放射科醫(yī)生事先沒(méi)有看到模型的判斷直接讀取乳房X光片時(shí),其評(píng)估有87%的情況與神經(jīng)網(wǎng)絡(luò)一致。但是如果先看到深度學(xué)習(xí)評(píng)估,乳房X光攝影師有94%的情況與模型一致。
論文結(jié)果顯示,深度學(xué)習(xí)模型能夠以資深放射科醫(yī)生的水平讀取掃描,并提高密度評(píng)估的一致性。其他不使用深度學(xué)習(xí)的自動(dòng)化方法也與放射科醫(yī)生不一致,Yala說(shuō)。
到目前為止,放射科醫(yī)生已在約18,000次乳房X光片評(píng)估中使用深度學(xué)習(xí)模型。研究人員使用NVIDIA GPU訓(xùn)練其卷積神經(jīng)網(wǎng)絡(luò),該網(wǎng)絡(luò)使用PyTorch深度學(xué)習(xí)框架開(kāi)發(fā)得出。
Yala說(shuō)道,他們的目標(biāo)是減少在此主觀判斷中的變動(dòng)量,確保病患得到正確的風(fēng)險(xiǎn)評(píng)估。
他說(shuō):“這應(yīng)該與運(yùn)氣無(wú)關(guān),每個(gè)人都應(yīng)該向您交付相同的評(píng)估結(jié)果。”
密度評(píng)估只是第一步,研究人員還在研究深度學(xué)習(xí)工具,以便提前5年檢測(cè)出哪些患者患癌癥的風(fēng)險(xiǎn)較高。
-
神經(jīng)網(wǎng)絡(luò)
+關(guān)注
關(guān)注
42文章
4717瀏覽量
100018 -
MIT
+關(guān)注
關(guān)注
3文章
253瀏覽量
23312 -
深度學(xué)習(xí)
+關(guān)注
關(guān)注
73文章
5422瀏覽量
120594
原文標(biāo)題:MIT部署深度學(xué)習(xí)工具 更準(zhǔn)確分析X光片助力乳癌篩查
文章出處:【微信號(hào):NVIDIA-Enterprise,微信公眾號(hào):NVIDIA英偉達(dá)企業(yè)解決方案】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
評(píng)論