研究人员推出了一种创新的人工智能工具,利用影像数据识别与胃肠系统相关的较少发生的疾病。
由LMU、柏林工业大学和夏里特医院的研究人员联合努力,创造了一种新型人工智能工具,旨在利用影像数据检测罕见的胃肠疾病。
人工智能已经在各种医学领域引起关注,展现了在通过影像数据帮助医疗专业人员进行疾病诊断方面的巨大潜力。然而,开发人工智能模型需要大量的训练示例,而这些示例主要针对的是更常见的疾病。“这就像一个初级保健医生只需识别咳嗽、感冒和喉咙痛等症状,”LMU病理学研究所主任弗雷德里克·克劳shen教授表示。“真正的挑战在于识别那些不常见的疾病,而现有的人工智能模型常常会遗漏或错误识别这些疾病。”
为了应对这一问题,克劳shen教授与来自柏林工业大学/BIFOLD的克劳斯-罗伯特·缪勒教授及夏里特医院的同事们合作,创造了一种开创性的方法来解决这一空白:根据他们发表在《新英格兰医学杂志AI》(NEJM AI)上的研究结果,他们的新模型能够准确地检测罕见疾病,其训练完全基于更常见的病例。这一进展可能大大提高诊断的准确性,并减轻未来病理学家的负担。
从常态中学习
这一创新方法围绕异常检测展开。通过彻底定义正常组织特征和记录常见疾病表现,模型学习识别和突出不规则性,而无需对那些较少发生的病例进行明确的训练。为了进行研究,团队收集了两个来自胃肠活检组织样本的微观影像数据库,并附有相应的诊断。这些数据库中,十个最常见的发现——包括正常组织和常见疾病如慢性胃炎——约占病例的90%,剩余的10%包含56种不同类型的疾病,包括各种癌症。
在模型的训练和评估中,研究人员利用了总共来自5,423个病例的1700万张组织学图像。“我们分析了不同的技术策略,而我们最有效的模型可靠地识别了多种较为少见的胃和肠道病理,包括不常见的原发性肿瘤和转移性癌症。就我们所知,没有其他已发布的人工智能工具能够实现这一点,”缪勒解释道。此外,人工智能还采用热图可视化组织切片中异常的位置信息。
显著减少诊断工作量
通过识别正常发现和常见疾病,同时也检测异常,这种新的人工智能模型预计会随着时间的推移而进一步改善,可以为医疗服务提供者提供重要帮助。尽管病理学家仍需验证识别出的疾病,“但医生可以大大减少所花费的时间,因为人工智能可以自动诊断正常读数和一些疾病病例。这适用于大约四分之一到三分之一的情况,”克劳shen指出。“在剩下的病例中,人工智能可以帮助优先处理这些病例并减少漏诊,这意味着一个显著的进步。”