一种新的人工智能工具使用成像数据来检测不太常见的胃肠道疾病

　　

来自LMU、柏林工业大学和慈善机构的研究人员开发了一种新的人工智能工具，该工具使用成像数据来检测不太常见的胃肠道疾病。

 

人工智能已经应用于许多医学领域，在帮助医生借助成像数据诊断疾病方面具有巨大的潜力。然而，人工智能模型必须用大量的例子来训练，这些例子通常只有在常见疾病中才有足够的数量。“这就好像一个家庭医生只需要诊断咳嗽、流鼻涕和喉咙痛一样，”慕尼黑大学病理学研究所所长弗雷德里克·克劳申教授说。“真正的挑战是检测不太常见的疾病，目前的人工智能模型经常忽视或错误分类。”

Klauschen与柏林工业大学/BIFOLD的Klaus-Robert mller教授和柏林慈善基金会Universit?tsmedizin的同事们一起开发了一种克服这一限制的新方法：正如科学家在《新英格兰医学AI杂志》（NEJM AI）上报告的那样，他们的新模型只需要来自常见发现的训练数据，就可以可靠地检测不太常见的疾病。这将大大提高诊断的准确性，减轻未来病理学家的工作量。

从常态中学习

新方法基于异常检测：从非常精确的正常组织特征和常见疾病的发现中，模型学会识别和标记偏差，而无需针对这些罕见病例进行专门训练。在他们的研究中，研究人员收集了两个大型数据集，这些数据集是胃肠道活检组织切片的显微图像，并进行了相应的诊断。在这些数据集中，10种最常见的发现——包括正常的发现和常见的疾病，如慢性胃炎——约占90%的病例，而剩下的10%包含56种疾病实体——包括许多癌症。

为了训练和评估他们的模型，研究人员使用了来自5423个病例的总计1700万张组织学图像。“我们比较了各种技术方法，我们的最佳模型以高度可靠性检测了广泛的罕见的胃和结肠病理，包括罕见的原发性或转移性癌症。据我们所知，没有其他已发布的人工智能工具能够做到这一点。”此外，使用热图，人工智能可以用颜色指示组织切片中异常的位置。

显著减轻诊断工作量

随着时间的推移，新的人工智能模型将进一步完善，通过识别正常的发现和常见的疾病，并发现异常，可以为医生提供关键的支持。虽然确诊的疾病仍然需要病理学家的确认，但“医生可以节省很多时间，因为正常的发现和一定比例的疾病可以被人工智能自动诊断出来。这适用于大约四分之一到三分之一的病例，”Klauschen说。“在剩下的病例中，人工智能可以促进病例优先排序并减少漏诊。这将是巨大的进步。”