当前位置:肿瘤瞭望>资讯>快讯>正文

周娟:谈谈智能影像的N种技能

作者:肿瘤瞭望   日期:2017/9/28 11:06:37  浏览量:18149

肿瘤瞭望版权所有,谢绝任何形式转载,侵犯版权者必予法律追究。

肿瘤瞭望:以影像科医生为主角的多学科合作团队,正在致力打造和完善影像科未来的超级航母——智能影像。借助于智能影像,基层医院的医生可在短时间内化身为阅片效率“又准又快”的高级专家;而大医院的顶级专家则通过赋予智能影像各种技能,娴熟地穿梭于“影像科医生”、“病理科医生”、“临床医生”等各种角色转换之中。

在刚刚过去不久的“2017年乳腺癌夏季论坛·北方沙龙”会议期间,《肿瘤瞭望》采访了解放军307医院放射科周娟博士,一起畅谈智能影像的N种技能。

放射组学:揭示图像背后的生物学信息
 
智能影像是近五年来医学影像学新兴的一个学科热点研究。对其简单理解则是人工智能与医学影像的融合。随着医学数据的爆发式增长,智能影像又衍伸发展出一个全新的学科分支——放射组学。相较于大家熟知的基因组学、蛋白质组学等早前提出的概念,放射组学又是怎样构成和应用的呢?
 
传统的CT和MRI检查,得到的是一张张的影像学图片,但是在这些图片的背后其实蕴含了大量的、无法用肉眼观察到的空间数据信息和生物学信息。基于目前高通量计算机处理数据能力的提高,CT和MRI等影像学图片中隐含的细胞、生理、遗传变异等生物学信息可以被提取,并以一种可视化的方式呈现出来。这种新技术使得临床医生获得 “金标准”的疾病证据不再仅仅局限于组织病理检查、体液分析等。此外,放射组学还可通过计算机建模进行良恶性疾病诊断、疗效评价及预后分析。这也是放射组学具有广阔前景的发展方向之一。
 
智能读片:培养初级医生的良师益友
 
按照目前常规的流程,乳腺放射科医师进行读片和报告书写,至少需要半个小时才能完成一份影像学报告。但如果把这些流程先交给机器来处理,其速度将会明显提高,其准确率不亚于一个训练有素的放射科医生。人工智能通过反复的学习和记忆某种病变的特点,经过海量的数据分析和模仿后,对这种病变的判读准确率可以高达90%左右。培养一个中级放射科医生至少需要十年的时间,培养一个具有丰富经验的乳腺放射科医生甚至需要二十年的时间,而机器不分昼夜不知疲倦学习时间会大大缩短。利用智能影像技术对初级医生或者基层医院的医生进行读片培训,可以使其专业和技能水平得到很大的提高。智能影像技术可以成为影像科医生学习中经验丰富的良师和临床工作中的得力助手。
 
智能影像:诊治疾病和评估预后的一把利刃
 
目前,通过计算机模仿和学习乳腺病变影像学特点进行的鉴别诊断已经具有相当高的正确率。此外,根据文献报道,应用放射组学对乳腺肿瘤进行免疫分型和预后评估的准确率也达到较满意的水平。例如,Luminal A和HER-2阳性的乳腺癌准确率可达80%。随着新辅助化疗的日趋规范化的要求,还可利用放射组学免疫分型进行乳腺癌疗效评估方面的工作,我们也准备在这方面做进一步的研究,观察放射组学免疫分型技术在评估乳腺癌病理完全缓解(pathologic conplete remission,pCR)的环节中是否具有更好的预测价值。
 
专家简介
 
周娟
 
解放军307医院放射科主治医生,曾在美国洛杉矶南加州大学医学院Norris影像中心做乳腺癌筛查工作。
现任北京医学会乳腺疾病分会青年委员
北京乳腺病防治学会影像专业学组青年委员
参与国家自然基金及北京市自然基金乳腺癌相关项目2项,发表论著及SCI文章共计十余篇。

版面编辑:洪山  责任编辑:马翔

本内容仅供医学专业人士参考


周娟放射组学

分享到: 更多