TWCC
DForum
 

胸腔AI辅助系统下一步 三总徐先和:结节分类

三军总医院主任徐先和看好医疗AI的发展,但仍有许多重要元素需要集成与准备。蔡腾辉

很多团队都希望切入胸腔影像AI辅助侦测系统的辨别应用,然而技术门槛不低,特别是「侦测小结节」的准确度也必须不断提升。对此,在放射诊断医学科拥有30多年经验的三军总医院主任徐先和认为,目前测试过许多人工智能病灶侦测系统,还是希望准确度能够再次提升,不过也认为计算机系统的确是可以协助医师众多工作流程当中的一小块,尤其是现在1厘米(mm)拍一张的多排螺旋式计算机断层(Multidetector Computed tomography;MDCT),一位病人可能会有300片到400片的影像需要医师协助检视。未来也希望能够再增加结节分类的功能。

检测影像数百张 会用AI的医师 将更能提升病人安全

由于结节与血管长得很像,连年轻医师都有可能要经过多次学习,才有可能增加判断效率,因此AI侦测系统的准确率要提升,还需要提供更多细部数据供AI学习。但对于计算机系统的辅助上,徐先和还是认为有很大的发挥空间,同时也说,其实人的眼力是有限的,即便是资深医师也不像大家想象得那么厉害。医师辨别小细节的敏感度约是30%至97%,也就是说,个别差异很大,明显的病灶,大多数医生都看得出来,然而影像很混杂的病灶,只有少数医师找得出来,也因此微小病灶很容易被忽略。

如何分辨结节与血管 单点或是连续

针对医学领域知识的「眉角」与「细节」,徐先和分享,「血管是条状且延续性组织、是一整条的,不会只在单一张片子中出现」,如果只在单一张出现,就是小结节,不过因为片子数量多达300多张,所以医师必须花很多时间与精力才能找得出来,有时候还是会因为数量与影像模糊而没实时找出。此外,以原始档案(Raw data)来分析与检视,还是最能准确找出细微肺癌病灶。

病灶没有范围 AI的诞生需要更多高质量数据

由于病人体型各异、影像也有很多种,病灶范围广及肺炎、综合腔、骨折等多重复杂专业问题,徐先和认为在短期10年与20年内,在诊断方面,放射科医师的价值仍很高。同时也期待产业界的AI系统准确度与好用度能持续提升。医疗AI与其它领域的AI可能有些不同,举例来说,下围棋的范围固定、棋谱可能有过往前例可循,因此AI系统能快速跟上、甚至超越人类。但是医疗AI研发的困难点在于「疾病没有范围的限定」,因此还需要很多时间学习与收集足够完整、干净、符合相关题目的资料来训练系统,但仍旧相当看好AI可以「协助」医师工作中的若干流程。

过去曾经测试过不少厂商的AI系统,系统也真的可以找得到结节、甚至可以预测罹患癌症机率。但从后续实证来看,有些系统可能当下预测病灶为良性,但6个月之后却变成恶性大肿瘤。徐先和认为,这可能是因为一开始训练系统时,使用的是良性肿瘤的资料,因此还有许多恶性的资料有待学习。在学习的素材上,也必须提供高分辨率CT影像,AI才能学习

侦测更加准确 AI下一步往分类前进

除了结节的侦测以外,各团队接下来或许可以朝向结节分类技术前进,包括是原发性的还是转移性的结节分类。若是以传统的方式来说,以下的状况,医师都会需要较多时间判断、AI系统也会难以侦测,象是病灶尺寸太小、颜色太淡、组织混杂等。

此外,因为肺癌前期的非典型腺瘤样增生(Atypical adenomatous hyperplasia;AAH)、肺癌零期的原位腺癌(Adenocarcinoma in situ;AIS)、微浸润型腺癌(Minimally invasive adenocarcinoma;MIA)、浸润型腺癌(Invasive adenocarcinoma)等的影像都不同,再加上实心、半实心、毛玻璃影像也都需要特别处理影像,才能供AI学习。

蔡腾辉

DIGITIMES电子时报智能医疗主编蔡腾辉Mark Tsai
专注研究智能医疗产品技术服务导入场域时,所遇到的困难症结与如何克服要点。
精通中英德语,热爱挑战与Swing Dance。
Facebook:DIGITIMES智能医疗

作者更多专栏

  •     按赞加入DIGITIMES智能医疗粉丝团
更多关键字报导: 医疗人工智能