《醫療AI》哈佛Wyss和MIT建置三萬多患者「寬視野」圖像資料庫 靈敏度和特異性有90%可及早揪出皮膚癌

《醫療AI》哈佛Wyss和MIT建置三萬多患者「寬視野」圖像資料庫 靈敏度和特異性有90%可及早揪出皮膚癌(閱讀)

文/葉懷璘(生技療第一站) 2021/2/25
黑色素瘤是迄今為最致命的皮膚癌，在美國僅2019年就7,000多人致命。盡早發現該疾病可大幅降低死亡風險和醫療成本，但是目前尚無法進行廣泛的黑素瘤篩檢，因為，如果要篩查整個人群中是否存在可作為癌症指標的可疑色素沈澱症(SPL)，美國約12000名的皮膚科醫師來說，每位醫生每年將需要看27,416名患者，更不用說，每位患者身上會有多少的痣或斑。

近年來，電腦輔助診斷(CAD)系統嘗試透過分析皮病變的圖像自動識別SPL來解決此題，但至今並未能有效地幫助黑色素瘤的診斷。這些CAD演算法經過訓練，可以分別評估每個皮病變的可疑特徵，但是面對實際的臨床診斷，皮膚科醫生會比較單個患者的多個病變位置，以確定其是否癌變，這種方法通常稱為「醜小鴨」標準。迄今為止，CAD系統並無法複製此診斷過程。

但現在，由哈佛大學Wyss生物工程研究所和麻省理工院(MIT)的研究人員開發出新的CAD系統，應用的原理是卷積神經網路(convolutional deep neural networks CDNNs)，新系統成功地以約90%的準確度，將患者皮膚照片中的SPL非可疑病變區分開來，並首次建立了新的一種「醜小鴨」度量標準。

測試時，該系統與三名皮膚科醫生同時檢查了68例患者的135張廣角照片，新系統的判斷與三位醫師的診斷共識相符的機率為88%，而各個皮膚科醫師判斷一致的機率為86%。

該團隊為了確保未經專業皮膚病學培訓的人員可以使用他們的系統，於是創建了一個包含33,000多個患者皮膚「寬視野」的圖像數據庫，所謂的「寬視野」是指除了皮膚外還包括背景和其他非皮膚物體，經過學習，讓CDNNs能夠從一般相機攝的照片就可以進行診斷。這些圖像包含SPL和非可疑的皮膚病變，這些病變圖像經由三名通過委員會認證的皮膚科醫生共同確認。在對數據庫進行了訓練並經過完善的測試之後，該系統能夠以90的靈敏性和89的特異性區分可疑和非可疑病變，與以前發布的系統相比有所改善。

但這個基線系統還是在分析單個病灶的特徵，而不是像皮科醫生那樣分析多個病灶的特徵。為了將「醜小鴨標準」加入到他們的模型中，該團隊在第二階段使用其照片中提取的特徵來創建病變3D地圖。首先先建立「典型」圖像的基準，計算每個病變的特徵離典型有多遠，並與圖像中的其他病灶相比，一個給定的病灶越是「奇怪」，它就離3D空間的中心越遠。這個距離是「醜小鴨標準」一個可以被量化的定義，利用深度學習網路克服識別並同時檢查單個患者中所有色素性病變之間的差異，這是一個艱鉅且耗時的事，但是新的CAD 系統成功地完成了這個任務，將來任何人可以使用智慧手機拍攝圖像就可以診斷潛在的皮膚癌病變，達到與皮膚科醫師級別的準確性，這對於早期發現和治療黑色素瘤有著很大幫助，將來的遠距醫療指日可待。

資料來源:MedicalXpress、MedPage Today、LHSFNA

文章轉載自GENET觀點網站：

http://www.genetinfo.com/international-news/item/45788.html

#復健科技運用 #復健機器人 #VR復健 #復健遊戲 #虛擬實境復健 #虛擬實境復健治療 #VR物理治療

若有任何疑問，歡迎您來信、來電或是掃描下方的QRcode與我們聯絡 電話：02-8789-9985
mail：core@habitz.com.tw