麻总百瀚-百瀚和妇女医院开发人工智能算法可快速区分肿瘤组织 简化肺癌放疗过程

肺癌是全世界最常见的癌症，有近一半的病例都是通过放射治疗（RT）来进行治疗。放射治疗计划是一个人工的且资源密集型的治疗过程，可能需要几天到几周才能完成，即使是训练有素的医生也会在确定放疗靶向器官组织的大小和数量方面有所不同。此外，随着癌症发病率的增加，全球肿瘤放射科医生和诊所的短缺预计会增加。

百瀚和妇女医院的研究人员和合作者在麻总百瀚的人工智能医学项目下，开发并验证了一种深度学习算法，该算法可以在几秒钟内识别和勾勒出计算机断层扫描（CT）上的非小细胞肺癌（NSCLC）肿瘤。他们发表在《柳叶刀-数字医疗》（The Lancet Digital Health）的研究还表明，在模拟诊所中使用该算法的放射肿瘤学家的表现与不使用算法的医生一样好，同时工作速度还提高了65%。

论文通讯作者、麻总百瀚-百瀚和妇女医院放射肿瘤学部的Raymond Mak博士表示：“人工智能应用于医学的最大转化差距是未能研究如何使用人工智能来改善人类临床医生，反之亦然。我们正在研究如何建立人类与人工智能的合作伙伴和协作关系，从而为患者带来更好的结果。这种方法对患者的好处包括在分割肿瘤时更加一致，缩短治疗时间。对临床医生的好处包括减少日常但困难繁复的计算机工作，这可以减少疲劳，增加他们与病人相处的时间。”

Raymond Mak博士

麻总百瀚-百瀚和妇女医院

放射肿瘤疾病中心胸腔肿瘤学负责人

患者安全和质量部主任

临床创新部主任

哈佛医学院副教授

研究人员使用来自787名患者的CT图像来训练他们的模型以区分肿瘤与其他组织。他们使用数据越来越丰富的外部数据集，包含超过1300位患者的的扫描图像来测试算法的性能。通过数据科学家和放射肿瘤学家之间的密切合作来开发和验证算法。例如，当研究人员观察到该算法对涉及淋巴结的CT扫描的分割不正确时，他们就会用更多的CT扫描图像重新训练模型以改善其性能。

最后，研究人员要求8名放射肿瘤学家执行分割任务，以及评价和编辑由另一名专家医生或AI算法产生的分割（他们没有被告知是哪个）。人工智能算法和肿瘤专家分割的之间没有产生显著的差异。有趣的是，与手动制作的分割相比，编辑AI算法生成的分割时，医生的工作速度提高了65%，变动减少了32%，尽管他们不知道他们在编辑的哪一个。在这项盲法研究中，他们对人工智能绘制的分割图质量的评价也比人类专家绘制的分割图更高。

展望未来，研究人员计划将这项工作与他们之前设计的人工智能模型结合起来，这些模型可以识别出在癌症治疗期间不希望的接受辐射的 "风险器官"（如心脏），从而将它们排除在放疗之外。他们正在继续研究医生如何与人工智能互动，以确保人工智能伙伴关系有助于而不是损害临床实践，并正在开发第二个独立的分割算法，该算法可以分割图是人类还是人工智能绘制的。

共同作者、放射肿瘤学系的Hugo Aerts博士说：“这项研究为人工智能模型提出了一种新的评估策略，既强调了人类与人工智能合作的重要性。这一点尤其必要，因为计算机模拟（计算机建模）评估可能给出与临床评估不同的结果，我们的方法可以为临床部署铺平道路。”

关于美国麻总百瀚

麻总百瀚（Mass General Brigham）由美国波士顿的麻省总医院（Mass General Hospital）与百瀚和妇女医院（Brigham and Women's Hospital）所创立，这两家分别是哈佛医学院规模最大的教学医院和美国顶尖的学术医学中心。麻总百瀚总共有16家成员机构，其中包括我们世界知名的医学中心、排名靠前的专科医院以及美国规模最大、最优秀的康复系统之一。

为加强全球的医疗服务，我们的各家医院前所未有地统一作为一个单一医疗保健系统一起共同行动。随着这一变化，麻总百瀚将带领我们的系统开展国际化合作，促进与同样在改变世界的领先医疗机构的合作。

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