应用深度学习方法对抗胰腺癌

根据美国癌症协会的数据，被确诊为胰腺癌的患者5年内的存活率为7%，胰腺癌的存活率是所有癌症中最低的。约翰·霍普金斯大学的研究员兼放射学家Elliot K. Fishman试图改变这一最前沿的统计数据，他正在应用人工智能来做这件事。

Fishman的目的在于通过将GPU加速的深度学习人工智能应用到任务中，比人类更快地发现胰腺癌。而约翰·霍普金斯大学具有大量关于胰腺癌的数据并需要一台计算机在CT扫描中检测疾病，正好适合开发深度学习系统。同时医院研究人员还拥有NVIDIA DGX-1 AI超级计算机。

Fishman正在帮助训练深度学习算法，以发现胰腺和附近器官组织的微小结构变化。这些变化通常是癌症发生的第一个迹象。深度学习检测方法可能意味着早期诊断。Fishman估计，他所看到的病例中有近三分之一可能会在4到12个月内被发现。

随着医疗技术的进步，现今许多癌症的治愈率以及生存率正在显著上升，但关于胰腺癌的研究却没有取得相同的成果。这主要在于胰腺癌的早期发现很困难，尤其是具有轻微症状的患者。于是Fishman将目标锁定在提高胰腺癌的早期发现率上。

“目前治疗胰腺癌的主要治疗方法是手术治疗，但不幸的是，由于发现的时间太晚，只有15-20％的胰腺癌患者可以接受手术治疗，”Fishman说，“我们的最开始目标是为了增加能够接受手术治疗的患者数量。这是我们的第一个挑战。”

当医生回顾被诊断为胰腺癌的患者之前的扫描数据时，发现高达30％的病例可以看到肿瘤存在。

“有时我们只是通过一个回顾镜就可以看到这些结果，而有时它只是初步翻译所没有看到的。”Fishman解释说，“使用GPU加速深度学习的目标是优化病变检测，以便可以检测到最早出现的每个病变。”

他还认为，通过使用深度学习人工智能，约翰·霍普金斯大学可以将计算机训练成和最好的放射科医生一样好。他说，基于质地和模式来学习和检测细微变化的能力将是约翰·霍普金斯对超级计算机的期待。

“我们的团队有两台NVIDIA DGX-1超级计算机，”他解释道，“DGX-1是人工智能的最先进技术，对我们的工作十分重要。它使我们能够同时审查和研究数百个案例，并能够改变参数，开发原本不可能的算法。”

“正是这些算法使我们能够优化肿瘤的检测，并最终能够确定肿瘤类型的特异性，希望我们能够确定更好的管理策略。”他补充说。

通过深度学习检测方法，研究人员可以看到高达30％的病例曾存在肿瘤。

“我认为比较重要的一点是要确认胰腺肿瘤的检测，特别是当主要要求不是'排除胰腺肿块'时，这点常常会被忽视。”他说“我们依靠计算机做的事情之一是在每次腹部CT检查中进行最佳检查，仔细观察胰腺是否为疑似病理区域。”

其中一个挑战是在没有怀疑胰腺癌的情况下，检查人员很容易忽视一个微妙的肿瘤。优化解释和优化每项研究分析的能力是该项目的目标之一，同时也是研究人员认为可以实现的目标。

“在一个研究量不断增加的时代，放射科医生在个案上花费的时间更少，这毫无疑问会导致错误率增加，”菲什曼说，“我们相信我们可以减少错误，增强检测并为我们的病人改变最终结果。该项目的目标不亚于改变胰腺癌治疗的方法和最终的患者生存率。”

资料来源：

https://www.healthcareitnews.com/news/johns-hopkins-researchers-use-deep-learning-combat-pancreatic-cancer