2019年人工智能在腫瘤影像發展現狀與展望.pdf

《2019年人工智能在腫瘤影像發展現狀與展望.pdf》由會員分享，可在線閱讀，更多相關《2019年人工智能在腫瘤影像發展現狀與展望.pdf（45頁珍藏版）》請在三個皮匠報告上搜索。

1、2019.7.6 廈門廈門When MI meets AI in MDTMedical Imaging Artificial IntelligenceMultiDisciplinary Team人工智能在腫瘤影像發展現狀與展望CHIMA 2019When MI meets AI in MDTMedical Imaging Artificial IntelligenceMultiDisciplinary Team人工智能AI醫學影像MI多學科協作MDTCHIMA 2019肝動脈化療栓塞(TACE)射頻消融術(RFA)立體定向放射治療(SBRT)化療靶向治療免疫治療開腹手術腹腔鏡手術胃鏡粘膜切除術

2、達芬奇機器人手術腫瘤臨床診治現狀：治療手段日趨多樣，且交叉增多外科內科非手術局部治療CHIMA 2019多學科團隊(模式)Multidisciplinary Team，MDT針對某一器官或系統疾病，至少來自兩個以上學科固定的專家構成工作組，通過定時、定址的會議，有計劃、合理的為病人提出最科學的診療建議的工作模式多學科診療協作組（MDT）CHIMA 2019面對MDT需求的發展，影像醫師對自身角色的再定位傳統工作模式：檢出+診斷后臺模式(獨立)MDT工作模式：影像醫師走向前臺，直接的思維碰撞帶來工作理念和模式的轉變6:30am,FriCHIMA 2019Davies AR.Dis Esophag

3、us 2006：MDT中影像學對上消化道癌分期準確率提高10%Lim HK.ANZ J Surg 2016：MDT影像學重新讀片導致24%患者調整上消化道癌治療方案Llewellyn-Jones G.J Med Imaging Radiat Oncol 2016：MDT模式下17.9%的影像學結果改進了兒科患者治療Prakash,S.Can Assoc Radiol J 2016：影像學參與乳腺MDT使29例乳腺疾病患者避免了不必要手術影像學在MDT中的價值CHIMA 2019腫瘤MDT中關于臨床決策制定的相關剖析1st根據2010-2014年英國4個腫瘤MDT團隊52名醫生對1045例患者的

4、決策情況評分得出（1-5分，分數越高，信息和貢獻的質量越高）影像信息Leader：外科醫生CHIMA 2019常規報告：腹腔干周圍淋巴結轉移MDT復閱：吻合口壁部分容積效應挖坑vs.填坑MDT對常規影像報告的質控意義CHIMA 2019影像參與MDT對信息化的需求圖像載體：電子數據CHIMA 2019北腫胃癌住院患者MDT信息化發展歷程基于Web，整合HIS系統的MDT數據庫幻燈展示基于Filemaker的MDT數據庫胃癌MDT信息化歷程初級階段中間階段高級階段CHIMA 2019幻燈展示檢索困難、統計困難、追溯困難應用困難應用困難數據無標準化，根據住院總醫師個人習慣制作，隨意性強隨意性強隨意

5、性強隨手做、隨手丟，難于保存、管理單機版，數據單機版，數據保存困難保存困難初級階段2006-2013CHIMA 2019胃癌MDT數據的初始積累數據庫維護需人工錄入，工作繁瑣工作量大工作量大數據標準化、規范化，可檢索、統計，和臨床工作流緊密相連專業數據庫專業數據庫電腦、手機、iPad多終端應用，但僅限蘋果系統，終端數目受限多終端應用多終端應用基于Filemaker的MDT數據庫中間階段2013-2017CHIMA 2019胃癌MDT數據的規范化積累基于Web，整合HIS系統MDT數據庫檢驗、檢查結果自動從HIS系統提取，節省人力且更精準接入醫院接入醫院HIS系統系統數據標準化、規范化，可檢索、

6、統計，和臨床工作流緊密相連專業數據庫專業數據庫基于Web，只要設備可聯網，即可應用多終端應用多終端應用高級階段2017-今CHIMA 2019MDT院際交流（討論、比賽）增多帶來信息化需求的增高影像學數據載體及展示方式：云平臺、云PACSMDTNationwide cloud-based integrated database of idiopathic interstitial pneumonias for multidisciplinary discussion.基于全國性云端的肺炎MDT數據庫(39 centers)Fujisawa T.Eur Respir J.2019 Mar 17C

7、HIMA 2019衛健委：腫瘤多學科診療試點（231家三甲醫院）CHIMA 2019When MI meets AI in MDTMedical Imaging Artificial IntelligenceMultiDisciplinary Team人工智能AI醫學影像MI多學科協作MDTCHIMA 2019加德納技術成熟度（熱度）曲線（2018）人工智能成為國際研究熱點（期望頂點）技術萌芽期期望膨脹期泡沫化谷底期穩步爬升的光明期實質生產的高峰期CHIMA 2019N engl j med,Lancet,Lancet Oncol,Science,NatureCHIMA 20191997201

8、6ANNDeep Learning強大而靈活的機器學習算法神經網絡Sanjiv Gambhir,Stanford University,2018數以千萬計的參數起始結構,GoogLeNet,2014神經網絡到深度學習量變到質變CHIMA 2019提高臨床效率（熱點）輔助檢出，良惡鑒別 提高效率，減少漏診 輔助診斷，拓展思路解決深層需求（痛點）人工智能與醫學影像的契合點CHIMA 2019影像報告過程中的思維“短路”前后不一致（增大-縮?。﹩挝诲e誤（mm-m）病灶漏診 左右寫反 張冠李戴 錯詞、病句 報告已切除臟器 CHIMA 2019食管癌術后，隨訪過程中三個月后提高診斷效率，減少漏誤診CHI

9、MA 2019AI醫療器械產品審批要點CHIMA 2019提高臨床效率（熱點）輔助檢出，良惡鑒別 提高效率，減少漏診 輔助診斷，拓展思路解決深層需求（痛點）人工智能與醫學影像的契合點CHIMA 2019療后9個月療后6個月療前療后3個月GIST靶向/免疫治療影像學評效的遲滯效應Roller Coaster sign:rapid remission followed by rapid progressionCT靶向治療評效時間窗的局限性：軟組織對比差+輻射療后 2-3個月進行第一次評效腫瘤在此時間段可能經歷短暫有效期，而后快速進展CHIMA 2019腫瘤病理學單點活檢無法評價腫瘤全貌,而對個體化

10、治療帶來挑戰，腫瘤基因異質性可能通過達爾文選擇導致腫瘤適應及治療失敗Gerlinger et al.N Engl J Med 366,883-92(2012).腫瘤異質性(heterogenity):影響治療預后的重要因素CHIMA 2019腫瘤影像學異質性的定量描述CHIMA 2019AI+醫學影像（人工智能技術應用于醫學影像學評估）：第一步 圖像識別，通過圖像分割配準，自動定位、提取病變第二步 特征提取及紋理分析，從影像圖像中獲取盡可能多的客觀信息第三步 深度學習，AI應用的核心環節，借助算法手段統合大樣本影像數據提取的紋理特征、臨床信息甚至基因信息，建立疾病診斷、分期評估及療效評價相關模

11、型，指導臨床診治影像組學Radiomics讓機器“看”人類看不到的東西成像勾畫感興趣區特征提取分析建模CHIMA 2019影像組學關鍵技術：紋理分析及人工智能可解釋性深度學習可提取多層特征（邊緣、形狀、抽象特征等），可視化腫瘤高危區域進而指導穿刺活檢Courtesy:中科院自動化所 董迪博士CHIMA 2019形狀特征：體積，長短軸，表面積等灰度、直方圖特征：均值，方差，峰度，偏度等紋理特征：灰度共生矩陣，游程等高維變換的特征：將原圖像先進行高通、低通的濾波變換等影像紋理特征分類峰度，偏度=1 ./01231 .401234=1 .:01231 .40123?:灰度共生矩陣 假設灰度為N階 相

12、鄰灰度為i，j的像素對的個數游程 連續灰度為i的像素條的個數2100000000310000003102200CHIMA 2019深度學習算法：無需特征定義feature1feature2feature3:病例1-n分類器深度學習傳統機器學習：需要對特征進行定義評價模型CHIMA 2019肝轉移 40%腹膜轉移 53-60%腹膜轉移(PM)是影響胃癌治療選擇和預后的重要因素應用案例：胃癌腹膜轉移的影像學診斷CHIMA 2019美國：CT漏診23%進展期胃癌腹膜轉移Sarela AI.Am J Surg,2006,191:134-138.CT檢查M0可切除外科醫生影像醫生我院：CT漏診20.5%

13、進展期胃癌腹膜轉移CHIMA 2019Subphrenic perihepatic hepatogastric ligament transverse mesocolon paracolic gutter omentum Douglas pouchCT漏診的腹膜轉移：MDT模式下與腹腔鏡探查的點對點對照研究CHIMA 2019種子-土壤Fibroblasts Angiogenesis 影像學隱匿性腹膜轉移（OPM）污跡樣磨玻璃征Smudge GGO（S-GGO）CHIMA 20190級：未見異常密度改變1級：脂肪密度略高、較均勻，呈較淡S-GGO征2級：脂肪密度增高、不均勻，斑片狀或密集S-G

14、GO征3級：脂肪密度明顯增高，伴多發索條、卷發征或小結節RSNA 2014Oral presentation腹膜隱匿性轉移（OPM）CT風險度分級0級1級2級3級OPM-OPM+Score0780Score1192Score2267Score347以Score 2 判斷OPM+：假陰性率2%真陽性率32%CHIMA 2019應用效果臨床數據智能手段術前預測胃癌隱匿性腹膜轉移，避免不必要的開腹手術及有創探查(外科外科)前瞻性納入554例CT漏診的胃癌腹膜轉移患者的影像及臨床信息(影像影像)單中心建模及多中心外部驗證數據，預測效能AUC均0.9(all)紋理分析提取3000個影像特征，構建臨床結合

15、影像的智能預測模型(中科院中科院)臨床問題北大腫瘤醫院胃癌MDT團隊與中科院自動化所合作牽頭，國內多家胃癌診療中心參與的多中心前瞻性研究影像組學診斷胃癌隱匿性腹膜轉移（OPM）理論創新拓展“土壤-種子”理論，構建融合原發灶和腹膜的雙標組學模型(內外科內外科)D Dong,L Tang,ZY Li,et al.Annals of Oncology,2019，IF 14.018CHIMA 2019構建基于土壤-種子學說的影像組學雙標模型，進行紋理特征的提取和分析影像紋理特征預測OPM陽性概率：強腫瘤+弱腹膜 弱腫瘤+強腹膜種子作用強度土壤從臨床角度加強理論佐證，兼具臨床和理論意義CHIMA 201

16、9N engl J med 376;26,June 29,2017CHIMA 2019不同機型，不同場強，不同序列，不同b值，不同質控水平，不同圣經舊約創世記.Chapter 11從單指數模型 到 雙指數模型，從快擴散 到 慢擴散，從統計分布模型 到 DKI模型，從Stretch模型 到 FROC模型，從ADC 到 D 到、不斷發展的技術提供更多可能，使得影像醫生不依賴臨床也能做科研、發表文章多中心影像統一標準的建立CHIMA 2019北大腫瘤醫院胃癌MDT數據庫通過信息化手段規范資料積累，提高臨床及科研效率CHIMA 2019AI 取代影像醫生？人類由于受到緩慢的生物進化的限制，無法與機器競

17、爭，并會被取代。全人工智能的發展可能導致人類的終結。-斯蒂芬威廉霍金CHIMA 2019人腦：洞察，預感，頓悟，靈感，第六感Insight,Conscious,Inspiration,Perception,Apperceive,Premonition,ESP人工神經網絡秀麗隱桿線蟲神經網絡神經網絡（300+神經元）神經元）Nature2019-7-3人腦神經元：百億神經元：百億+CHIMA 2019有時去治愈，常常去幫助，總是去安慰AI面臨的終極挑戰:醫學人文(AI看的是病,醫生看的是病人)CHIMA 2019人工智能AI醫學影像MI多學科協作MDT數學計算機信息學自動化研究所大學公司內科外科放療病理門診醫務學會衛健委萬物互聯萬物智能信息化CHIMA 2019