肺癌是全世界最常見的癌癥，有近一半的病例都是通過放射治療（RT）來進行治療。放射治療計劃是一個人工的且資源密集型的治療過程，可能需要幾天到幾周才能完成，即使是訓練有素的醫(yī)生也會在確定放療靶向器官組織的大小和數(shù)量方面有所不同。此外，隨著癌癥發(fā)病率的增加，全球腫瘤放射科醫(yī)生和診所的短缺預計會增加。

百瀚和婦女醫(yī)院的研究人員和合作者在麻總百瀚的人工智能醫(yī)學項目下，開發(fā)并驗證了一種深度學習算法，該算法可以在幾秒鐘內(nèi)識別和勾勒出計算機斷層掃描（CT）上的非小細胞肺癌（NSCLC）腫瘤。他們發(fā)表在《柳葉刀-數(shù)字醫(yī)療》（The Lancet Digital Health）的研究還表明，在模擬診所中使用該算法的放射腫瘤學家的表現(xiàn)與不使用算法的醫(yī)生一樣好，同時工作速度還提高了65%。

論文通訊作者、麻總百瀚-百瀚和婦女醫(yī)院放射腫瘤學部的Raymond Mak博士表示：“人工智能應用于醫(yī)學的最大轉化差距是未能研究如何使用人工智能來改善人類臨床醫(yī)生，反之亦然。我們正在研究如何建立人類與人工智能的合作伙伴和協(xié)作關系，從而為患者帶來更好的結果。這種方法對患者的好處包括在分割腫瘤時更加一致，縮短治療時間。對臨床醫(yī)生的好處包括減少日常但困難繁復的計算機工作，這可以減少疲勞，增加他們與病人相處的時間。”

Raymond Mak博士

麻總百瀚-百瀚和婦女醫(yī)院

放射腫瘤疾病中心胸腔腫瘤學負責人

患者安全和質(zhì)量部主任

臨床創(chuàng)新部主任

哈佛醫(yī)學院副教授

研究人員使用來自787名患者的CT圖像來訓練他們的模型以區(qū)分腫瘤與其他組織。他們使用數(shù)據(jù)越來越豐富的外部數(shù)據(jù)集，包含超過1300位患者的的掃描圖像來測試算法的性能。通過數(shù)據(jù)科學家和放射腫瘤學家之間的密切合作來開發(fā)和驗證算法。例如，當研究人員觀察到該算法對涉及淋巴結的CT掃描的分割不正確時，他們就會用更多的CT掃描圖像重新訓練模型以改善其性能。

最后，研究人員要求8名放射腫瘤學家執(zhí)行分割任務，以及評價和編輯由另一名專家醫(yī)生或AI算法產(chǎn)生的分割（他們沒有被告知是哪個）。人工智能算法和腫瘤專家分割的之間沒有產(chǎn)生顯著的差異。有趣的是，與手動制作的分割相比，編輯AI算法生成的分割時，醫(yī)生的工作速度提高了65%，變動減少了32%，盡管他們不知道他們在編輯的哪一個。在這項盲法研究中，他們對人工智能繪制的分割圖質(zhì)量的評價也比人類專家繪制的分割圖更高。

展望未來，研究人員計劃將這項工作與他們之前設計的人工智能模型結合起來，這些模型可以識別出在癌癥治療期間不希望的接受輻射的 “風險器官”（如心臟），從而將它們排除在放療之外。他們正在繼續(xù)研究醫(yī)生如何與人工智能互動，以確保人工智能伙伴關系有助于而不是損害臨床實踐，并正在開發(fā)第二個獨立的分割算法，該算法可以分割圖是人類還是人工智能繪制的。

共同作者、放射腫瘤學系的Hugo Aerts博士說：“這項研究為人工智能模型提出了一種新的評估策略，既強調(diào)了人類與人工智能合作的重要性。這一點尤其必要，因為計算機模擬（計算機建模）評估可能給出與臨床評估不同的結果，我們的方法可以為臨床部署鋪平道路?！?/p>

關于美國麻總百瀚

麻總百瀚（Mass General Brigham）由美國波士頓的麻省總醫(yī)院（Mass General Hospital）與百瀚和婦女醫(yī)院（Brigham and Women’s Hospital）所創(chuàng)立，這兩家分別是哈佛醫(yī)學院規(guī)模最大的教學醫(yī)院和美國頂尖的學術醫(yī)學中心。麻總百瀚總共有16家成員機構，其中包括我們世界知名的醫(yī)學中心、排名靠前的?？漆t(yī)院以及美國規(guī)模最大、最優(yōu)秀的康復系統(tǒng)之一。

為加強全球的醫(yī)療服務，我們的各家醫(yī)院前所未有地統(tǒng)一作為一個單一醫(yī)療保健系統(tǒng)一起共同行動。隨著這一變化，麻總百瀚將帶領我們的系統(tǒng)開展國際化合作，促進與同樣在改變世界的領先醫(yī)療機構的合作。

原文鏈接：https://www.brighamandwomens.org/about-bwh/newsroom/press-releases-detail?id=4241