近日，來自凱斯西儲大學（Case Western Reserve University）的研究人員開發出了一種識別肺癌的“另類”方法：通過訓練演算法，來識別腫瘤外部區域及附近血管的斷層掃描（CAT）影象，從而讓演算法判斷影象中腫瘤是否為惡性。這一研究成果發表在了《Radiology》上。
目前使用的肺癌篩查方式主要是由放射科醫生在CAT影象中識別可疑的結節，然後對患者進行手術活檢或採用其它侵入性手段來對結節進行分析。這種方式過程很複雜，且費用非常高昂，而通常在影象中有很多結節無法被準確識別，其中絕大部分在進行進一步檢查之後被發現是良性的。如果能有一種方法，讓醫生在進行手術之前就能夠判斷結節是良性還是惡性，這不僅可以減少費用，還可以降低一系列手術和檢查帶來的其它風險。
▲該研究的流程示意圖（圖片來源：《Radiology》）
針對這一情況，凱斯西儲大學的研究人員們開始嘗試藉助機器學習和演算法的力量，來對腫瘤進行識別。他們收集了2007-2013年期間來自兩所機構290名患者的標準診斷非增強CT影象，來對影象中的結節進行組織病理學分析。這些患者包括125名男性和165名女性，年齡範圍在18-92歲之間。由放射科醫生在這些影象上對結節進行識別，並進行手工註釋，內容包括結節的形狀和紋理等特徵，而這些資訊都是從結節內部及周圍區域提取出來的。
在提取了結節資料之後，研究人員利用這些資料對機器學習演算法進行訓練，並使用另一個包含145名患者的測試集來進行驗證。演算法得出的結果將會與兩名放射科醫生識別的結果進行對比。結果顯示，機器學習演算法能夠以80%的準確率來判斷結節是良性還是惡性，而作為對比的放射科醫生準確率只有60%。
▲AI對腫瘤及其周圍區域的影象進行識別（圖片來源《Radiology》）
在今年早些時候，另外一項研究表明，在CAT影象中結節周圍彎彎曲曲的血管可以作為識別腫瘤的依據，其區分惡性和良性結節的準確率達到了85%。
研究人員表示，這項研究的突破之處在於，它轉換了人們識別和檢測腫瘤的思路。“我對這些研究感到興奮的首要原因是，我們過去接受的是‘重要資訊都在腫瘤內部’的思路，但這些新研究明確地證明了，腫瘤外部同樣也有很多有用的訊號，”該研究的負責人，凱斯西儲大學工程學院生物醫學工程教授Anant Madabhushi博士表示，“由於沒有發現更好的篩查手段，我們過去在肺癌篩查上的表現一直沒有達到最佳。而更好的工具現在已經出現了。”
參考資料：
[1] Thinking outside the box and outside the tumor to detect lung cancer. Retrieved December 20, 2018, from https://www.eurekalert.org/pub_releases/2018-12/cwru-tot121818.php
[2] Beig, et al., (2018). Perinodular and Intranodular Radiomic Features on Lung CT Images Distinguish Adenocarcinomas from Granulomas. Radiology, https://pubs.rsna.org/doi/10.1148/radiol.2018180910