不再是处于实验室里概念状态的AI诊断肿瘤, 阿里巴巴达摩院及中国医科大学附属盛京医院等机构联合, 所研发的肝癌诊断模型DAMO LiON, 于近日登上了国际顶级医学杂志《自然·医学》, 这项技术正转变着肝癌筛查的方式。

真实世界测试结果令人惊喜

为期两个月的真实世界前瞻临床试验里, DAMO LiON辅助阅片, 患者有一万多名呢。结果发现, 有15例恶性肿瘤原本是被漏诊的, 大多数病灶直径仅仅约1厘米。这表明很多患者在早期就能够被发现, 进而得到治疗。

常规阅片时, 这些小病灶极易被忽略, 脂肪肝以及肝硬化背景下的肝脏影像本就很复杂, 微小癌变的边界不清晰, 经验不足或者疲劳的医生很容易将其漏掉, DAMO LiON的出现填补了这个空白。

改进网络架构提升识别能力

采用改进网络架构的DAMO LiON，关注病灶与整体肝脏之间的关系。此外, 它可保留局部纹理以及边界信息, 其所保留的这种局部纹理和边界信息, 对于肿瘤性质的判断而言, 是非常关键重要的。

将增强CT不同期相影像予以融合的该模型, 会对微小病灶在不同扫描阶段所发生的变化付诸捕捉, 这样的做法使得AI得以见到病灶自动脉期至静脉期的强化特点, 进而对复杂病例的识别能力实现提升之举。

AI辅助让初级医生达到资深水平

经研究显示, 于AI辅助阅片后, 医生的阅片时间大幅减少, 减少幅度为27% , 这一具体数据清晰说明, AI不但显著提高了效率, 而且切实减轻了医生工作时背负的负担。

尤其关键的是, 针对恶性肿瘤的敏感性提高了百分之十一点五, 在AI辅助情形下初级医生能够达成资深医生的诊断水准, 这给基层医院给予了强有力的技术支持, 致使优质医疗资源得以向下延伸。

适用于复杂肝脏背景

位于脂肪肝、肝硬化、术后肝脏等复杂病例所处状况下, DAMO LiON有着很是突出的表现, 而处在这些背景里的肝脏自身存在着异常影像体现, 在此情形下, 传统方法极为困难地去分辨哪些属于病变, 哪些又是背景噪声。

具有融合多期相影像以及全局 – 局部特征的该模型, 能够更为准确地判定微小病灶的性质, 对于那些进行长期随访的肝癌患者而言, 这种能力的提高代表着能够在更加早的时候发现复发和转移情况。

已在医院实际部署运行

现今, DAMO LiON已切实被部署在医院日常的阅片流程当中。一旦AI跟医生的初诊结果不一样的时候, 病例便会被交付给资深的放射科医生去进行复核。这样的一种设计, 既借助了AI的高敏感性, 同时又保留了人工诊断的最终决策权。

处于必要情形时, 医院依旧会更进一步开启多学科会诊。此种举措保障了诊断的精确性, 同时也为患者谋取了最为适宜的治疗预案。技术跟人文的融合于此处得以展现。

微小病灶被及时发现意义重大

仅当肝转移灶直径大约只有1厘米的时候, 要是及时去接受手术或者药物治疗, 便能显著地提高生存率。DAMO LiON所发现的那15例出现漏诊情况的恶性肿瘤, 其中有很多都处于这种能够进行治疗的早期阶段。

该项专业技术的广泛推行, 使得肝癌早期筛查变得越发具备可靠性。针对于那些处于高危状态的人群, 像是乙肝病毒携带者、已经得了肝硬化的患者, 在他们按规定定期去做增强CT检查的时候, 要是有了人工智能技术的辅助, 那么其出现漏诊情况的风险将会大幅度地下降。

在哪个医疗领域, 你最为期望AI发挥作用开来? 欢迎于评论区, 将你的想法予以分享出去, 要是觉得这篇文章存有帮助用途, 也请进行点赞操作, 并转发给予更多有需求之人有着帮助所需。