DoNews8月16日消息，8月16日，阿里達(dá)摩院發(fā)布多癌影像分析通用模型，可檢測、分割和診斷八種主要的高發(fā)致死癌癥，有助于實現(xiàn)多癌統(tǒng)一診斷，降低漏診概率。
當(dāng)前，醫(yī)療AI模型已經(jīng)足夠強(qiáng)大，可完成單個器官疾病識別，輔助醫(yī)生進(jìn)行診斷，但在實現(xiàn)多個器官的精準(zhǔn)識別時遇到較大挑戰(zhàn)，一是過高的假陽性問題，二是存在一定概率的漏診，這對于癌癥多發(fā)病人的診療尤為重要。
為避免錯診與漏診，放射科醫(yī)生通常對全身的多器官進(jìn)行多疾病的檢測和診斷。因此，醫(yī)生在臨床治療上迫切需要一個更高效的多癌統(tǒng)一診斷模型。
針對上述痛點，達(dá)摩院醫(yī)療AI團(tuán)隊聯(lián)合中山大學(xué)腫瘤防治中心、四川省腫瘤醫(yī)院、浙大附屬第一醫(yī)院、盛京醫(yī)院、廣東省人民醫(yī)院等單位，提出了一個統(tǒng)一的多癌影像分析通用模型（cancerUniT），以Mask Transformer語義分割為基礎(chǔ)，解決多種腫瘤圖像此前難以統(tǒng)一檢測、分割和診斷的問題，適用于八種主流的高發(fā)高致死癌癥（肺、結(jié)直腸、肝、胃、乳腺、食管、胰腺、腎）以及相關(guān)器官中的腫瘤子類型。
多癌問題的復(fù)雜性主要體現(xiàn)在器官、惡性腫瘤和其他腫瘤類型之間存在許多關(guān)聯(lián)性。例如，肝癌和肝囊腫雖都位于肝臟內(nèi)，但在紋理和良惡性方面存在差異；而肝癌和胰腺癌雖形態(tài)相似，但卻是分屬不同器官的惡性癌癥。
為了有效建模多癌之間的差異和相似性，達(dá)摩院醫(yī)療AI團(tuán)隊借助Transformer提出了一種新穎的腫瘤表示學(xué)習(xí)方法，將腫瘤表示為Transformer中的語義Query，并為不同器官中腫瘤及其子類型建立語義層次結(jié)構(gòu)，讓模型學(xué)習(xí)過程更加有效，并提高腫瘤及其子類型預(yù)測的一致性，實現(xiàn)同時輸出分割、檢測和診斷的預(yù)測，從而解決臨床上復(fù)雜的多癌多腫瘤的識別任務(wù)。
在一組631名患者的對比測試中，其腫瘤檢測、分割和診斷任務(wù)的性能均優(yōu)于8個特定器官的單模型組合，檢測任務(wù)的平均敏感性達(dá)到93%，平均特異性達(dá)到82%。
阿里達(dá)摩院醫(yī)療AI團(tuán)隊負(fù)責(zé)人、IEEE Fellow呂樂認(rèn)為，該工作以統(tǒng)一模型首次實現(xiàn)“一次調(diào)用即診斷八種最致命的癌癥”，在簡化AI模型復(fù)雜度的同時，保持較高的敏感度。這將為放射科醫(yī)生提供全面的AI輔助診斷支持，尤其在癌癥復(fù)發(fā)、遠(yuǎn)端轉(zhuǎn)移等臨床場景發(fā)揮重要效用。
據(jù)了解，該模型的論文成果已被計算機(jī)視覺頂會ICCV 2023收錄，目前已在上海市第一人民醫(yī)院等多家合作醫(yī)院進(jìn)行應(yīng)用測試。
達(dá)摩院醫(yī)療AI團(tuán)隊長期致力于醫(yī)學(xué)影像等方向研究，正在研發(fā)包括規(guī)模篩查、精準(zhǔn)診斷、預(yù)后治療、響應(yīng)評估在內(nèi)的全流程的癌癥診療技術(shù)，覆蓋多個重要病種。該團(tuán)隊曾在新冠疫情初期研發(fā)出CT影像新冠肺炎AI輔助診斷系統(tǒng)，被科技部評為全國科技抗疫先進(jìn)集體。
