隨著機器學習技術的不斷髮展，其在醫學影像分析領域已經取得了飛速進步。近日，來自Norris Cotton Cancer Center的研究人員利用機器學習模型，對肺腺癌的腫瘤模式和亞型進行了分級。結果顯示，該模型與3位病理學家的表現旗鼓相當。這項研究發表在了《Scientific Reports》上。
圖片來源：123RF
肺腺癌（lung adenocarcinoma）是肺癌的一種，屬於非小細胞癌。目前，肺腺癌的診斷方式主要為病理學家肉眼對肺葉切片影像進行檢查，從而確定腫瘤模式和亞型。這種診斷方式對肺癌的預後以及確定治療方案有著非常重要的作用，但是這一過程通常比較困難，且病理學家的判斷往往有一定的主觀性。
針對這一情況，來自Norris Cotton Cancer Center的研究人員開發並訓練了一種新的機器學習模型，並將病理學家識別的肺癌組織學樣本全切片影像與該模型識別出的影像進行比較。根據計算機模型生成的結果，研究人員使用不同顏色在影像上進行標註。結果顯示，計算機模型識別出的影像結果與病理學家進行的主觀性評估結果基本相符。
▲左圖為病理學家標註的影像結果，右圖為機器學習模型的識別結果（圖片來源：Hassanpour Lab, Dartmouth's Norris Cotton Cancer Center，《Scientific Reports》）
“這項研究表明，在具有挑戰性的影像分類任務上，機器學習可以擁有非常好的表現，並有可能成為肺癌診斷的助手，”這項研究的負責人、達特茅斯學院生物醫學資料科學系副教授Saeed Hassanpour博士表示：“我們系統的臨床應用將能夠幫助病理學家對肺癌亞型進行準確的分類，這對肺癌的預後和治療至關重要。”
除了在臨床環境中測試深度學習模型，以驗證其改善肺癌分類的能力之外，該團隊計劃將該方法應用於乳腺癌、食管癌和結直腸癌等組織病理學影像分析之中。Hassanpour博士說道：“機器學習方法識別影像的速度很快，識別一張圖片只需花費不到一分鐘的時間。因此，該模型可以在醫生檢查前完成患者分診，並極大地協助病理學家對影像的檢查工作。”
目前，Hassanpour博士及他的團隊將這一模型的程式碼開源，以促進該領域的更多新研究和新合作。
參考資料：
[1] A new machine learning model can classify lung cancer slides at the pathologist level. Retrieved March 12, 2019, from https://www.eurekalert.org/pub_releases/2019-03/dmc-anm030119.php
[2] Wei, et al., (2019). Pathologist-level classification of histologic patterns on resected lung adenocarcinoma slides with deep neural networks. Scientific Reports, doi: https://doi.org/10.1038/s41598-019-40041-7