機器學習成像技術可以促進結腸癌的診斷

• 2019 年 12 月 17 日
• 筆記

編輯 | KING 發佈 | ATYUN訂閱號

結腸癌是全球第二大最常見的癌症，大約90％的病例發生在50歲以上的人群中。癌細胞從結腸的內表面或粘膜層產生，可以穿透結腸的更深層並擴散到其他器官。如果不及時治療，這種疾病是致命的。

當前的結腸癌篩查是通過柔性結腸鏡進行的。該過程包括使用安裝在內窺鏡上的攝像頭對結腸和直腸的粘膜襯層進行目視檢查。然後對出現的異常區域進行活檢以進行分析。儘管這是當前標準的診斷模式，但確實有其缺點。首先，該技術依賴於視覺檢測，但是肉眼很難檢測到小的病變，而且經常會漏掉早期惡性腫瘤。其次，視覺內窺鏡檢查只能檢測腸壁表面的變化，而不能檢測其深層。

聖路易斯華盛頓大學麥凱維工程學院生物醫學工程教授朱奎寧和生物醫學工程博士生曾一峰正在開發一種新的成像技術，該技術可以提供準確，實時的計算機輔助診斷大腸癌。

通過使用深度學習技術，研究人員將該技術應用於來自結直腸組織樣本的26000多個單獨的成像數據幀，以確定該方法的準確性。與病理報告相比，他們在這項初步研究中能夠以100％的準確性識別腫瘤。

研究技術基於光學相干斷層掃描（OCT），這是一種光學成像技術，已在眼科領域使用了20年，用於拍攝視網膜圖像。但是，麥克凱維學院和其他地方的工程師一直在將該技術用於其他用途，因為該技術可提供高達1至2毫米成像深度的高空間和深度分辨率。OCT檢測健康和患病組織折射光的方式的差異，並對癌前期和早期癌症的形態變化高度敏感。進一步發展後，該技術可與傳統結腸鏡檢查一起用作實時，非侵入性成像工具，以協助篩查位置較深的癌前息肉和早期結腸癌。

該論文的資深作者，華盛頓大學醫學院馬林克羅德放射學院放射學教授朱說：「我們認為這項技術與結腸鏡內窺鏡相結合，將對外科醫生診斷大腸癌非常有幫助。有必要進行更多的研究，但是想法是，當外科醫生使用結腸鏡檢查來檢查結腸表面時，可以將該技術局部放大，以幫助更準確地診斷較深的癌前息肉和早期癌症（相對於正常組織）。」

兩年前，該論文的主要作者曾梵志開始使用OCT作為研究工具來對從醫學院提取的結直腸組織樣本進行成像。他觀察到，健康的結直腸組織具有與牙齒相似的圖案。但是，癌前和癌前組織很少顯示這種模式。牙齒圖案是由結直腸組織健康黏膜微結構的光衰減引起的。

曾梵志開始與另一名研究生徐世奇合作處理數據，以識別和學習組織樣本中的模式。他們使用從患者組織樣本中的20個腫瘤區域，16個良性區域和六個其他異常區域獲取的大約26000張OCT圖像對網絡進行了訓練和測試。使用標準組織學將該系統預測的診斷與組織標本的評估進行比較。病理學家Zahra Alipour和Heba Abdelal協助進行了比較。研究小組發現敏感性為100％，特異性為99.7％。

曾說：「我們系統的獨特之處在於我們可以檢測圖像中的結構圖案。使用OCT，我可以在所有正常組織中找到一種模式。然後，我們可以使用這種模式對異常和癌性組織進行分類，以進行準確的診斷。」