漯河新闻网

首页 > 正文

治疗癌症,AI可能会成为人类最好的武器

www.china-direct.net2019-09-03

世界科技创新论坛2天前我想分享

无论是行业新闻还是重量级会议的进展,一个重要的趋势正在出现:人工智能是未来癌症治疗中最重要的技术手段之一。

作者:硅谷媒体研究员丁树培诗歌

7月15日,美国最具病态数据的创业公司Paige.ai最近发布了一则重要消息,即人工智能癌症检测和治疗初创公司宣布了一份关于《Nature Medicine》的论文,以确认其AI病理系统。前列腺癌,皮肤癌和乳腺癌的检出率达到了“接近完美”的准确率,宣布它是“世界上第一个临床级病理学AI应用”。与此同时,在过去六个月中,医学成像和医疗器械三大会议相继举行:2019年核医学会议(SNMMI 2019),WSGR医疗器械会议,医学影像信息学会(SIIM 2019),以及会议是一致的。他们专注于用AI处理癌症的新技术。 MedTech Innovator Conference,一些癌症诊断和治疗初创公司分享了癌症治疗的新进展

在长明的医疗领域,癌症仍然是一种无法治愈的疾病,每年在全球造成800多万人死亡。根据世界卫生组织去年9月发布的一份报告,全世界每五分之一的男性和六分之一的女性患上癌症,八分之一的男性和十一分之一的女性将死于癌症。作为世界上人口最多的癌症发病率最高的国家,癌症治疗还有很长的路要走:国家癌症中心统计,中国癌症患者的5年生存率约为30%,仍然远低于70% -80%的发达国家,如欧洲和美国。 充满荆棘的道路上,人工智能可以通过三种方式帮助我们:预防,诊断和治疗。

AI成像有助于癌症预防和早期筛查

面对癌症,“严重疾病之王”,迄今为止对人们最强大的武器是预防和早期筛查。这是因为早期筛查可以有效降低发病率。《华盛顿邮报》报告写道,预防现在有助于降低发达国家各种癌症(包括肺癌和宫颈癌)的发病率。 AI技术可以提高早期筛查的效率和准确性,进一步帮助人们预防癌症。在结直肠癌的情况下,肠息肉对于早期诊断至关重要,因为息肉可能恶化为癌症。 2017年,达特茅斯教授Bruno Korbar实现了CNN(卷积神经网络),用于从肠组织染色中鉴定潜在的致癌肠息肉,准确度为93%。以Paige.ai为例,他们开发的AI系统在几年内通过深度学习技术培训了4个国家超过15,000名癌症患者的45,000个癌症病理图像,最终获得了极好的诊断准确性。病理切片肯定是癌症诊断的金标准,但仅限于其侵袭性以及病理检测的局部性。在基础疾病群体中使用病理检测来实现常规的常规早期癌症筛查是不可行的。医学成像方法,包括CT,PET和MRI,是基于其综合角度检测和非侵入性特征的早期癌症筛查的有力工具。目前,在医院影像学领域,已有许多相关的人工智能研究和产业转型正在进行中。在2019年的Google I/O上,谷歌产品经理Lily Peng展示了Google在早期发现肺癌方面的成果。在所有癌症中,肺癌的死亡率最高。 “不幸的是,80%的肺癌在早期阶段很难。筛选出来。”

Lily Peng展示了早期发现谷歌肺癌的结果

通过国家癌症研究所和西北大学提供的肺癌病理图像,谷歌训练了一个能够检测恶性肿瘤的神经网络,其能力甚至比训练有素的放射科医生还要高。结果表明,在肺癌诊断前一年,通过扫描患者的CT,人工智能系统可以发现癌症的迹象。对于这类患者,早期筛查意味着存活率增加40%。以前,癌症的早期筛查经常引起争议:大量的早期筛查也意味着更多的误诊率、浪费的医疗费用和过度治疗。人工智能提高了肿瘤成像的质量和效率,提高了早期筛查的准确性,这一问题就可以得到解决。

早期筛查趋势:

提高图像质量,减少有害因素

在2019年SNMMI年会上刚刚结束的年度形象奖中,来自德国海德堡大学医院的新型68Ga-FAPI示踪剂PET提供了清晰的肿瘤轮廓和高图像对比度。研究表明68Ga-FAPI PET/CT成像在28种不同的肿瘤中具有良好的成像特性,尤其是肉瘤,食道癌,乳腺癌,胆管癌和肺癌。 FAPI(成纤维细胞活化蛋白抑制剂)被称为成纤维细胞活化蛋白(FAP)抑制剂。这些成纤维细胞可以形成超过90%的肿瘤组织,但在正常细胞中没有表达或太低,因此FAP可以有效地用于鉴定肿瘤。 “68Ga-FAPI的高吸收率使其对许多癌症类型有用,特别是在传统的18F-FDG PET/CT限制的情况下,”Heweberg德国癌症研究中心和海德堡大学核医学教授Uwe Haberkorn博士德国医院。说过。 “例如,低级别肉瘤通常具有较低水平的18F-FDG,导致良性和恶性病变之间的重叠。在乳腺癌中,18F-FDG PET/CT常用于复发后图像检测,但一般不会建议用于早期癌症检测。对于食管癌,18F-FDG PET/CT对淋巴结分期的敏感性通常只有低到中等。提高图像质量和减少有害因素是早期癌症筛查的最重要趋势。发表在细胞干细胞上的最新研究表明,CT检查可能会增加肿瘤的风险,因为它不会显着引起细胞突变,但会增加肿瘤的竞争力,从而增加肿瘤的电位辐射(大约相当于几次CT检查的剂量)。携带p53突变并具有癌变可能性的细胞。必须减少辐射的有害影响。在今年的SNMMI年会上,全身PET成像硬件系统的低辐射剂量,高成像速度也是本次会议的焦点,并受到全球分子影像研究人员和临床医生的广泛关注。

例如,之前由Titanium Media报道的Subtle Medical专注于加速医学成像。它使PET(核医学成像,正电子发射计算机断层扫描)能够将放射性试剂的剂量减少4倍以上,然后通过深度学习技术完成图像。增强以达到诊断水平。换句话说,他们可以制作对于诊断癌症更重要且放射性更低的PET图像模态。值得一提的是,深层医疗产品不仅可以提高肿瘤筛查早期的采集速度,减少辐射剂量,而且对阿尔茨海默病等神经退行性疾病也有同样的效果。此前,其产品已获得美国FDA批准,并已获得欧洲CE标志。目前,它在美国的几家医院和成像中心临床商业化。

Deep Medical的联合创始人,斯坦福大学医学院教授Greg Zaharchuk博士在SNMMI会议上介绍了AI在核医学中的应用和价值,介绍了相关的实验室和深入的医学技术基于图像的PET图像重建/增强。进展

“目前,在医学影像的工业应用中,大多数公司都集中在产业链的下游,即计算机辅助诊断(CAD)。深医学集中了一批深度数学,物理,计算机。高级医学研究人员医学影像背景专注于产业链的上游,即图像重建和优化,“深圳医疗首席执行官恩昊龚说。在最近发布的《医学影像AI白皮书》,行业和临床研究专家提出”医学图像和结构的标准化数据严重不足。标准图像数据.是医学成像AI发展的基础。“AI Imaging Company的加入将有助于为行业带来更多标准图像数据,为未来的图像辅助诊断和医学成像的早期筛查奠定基础。 AI肿瘤。

如何用AI治疗癌症?

虽然大多数癌症在诊断后进入困难模式,但AI仍然可以在此阶段使用。面对癌症,过去人类主要有三种主要治疗武器:手术,化疗和放疗,目的是消除病变。顾名思义,手术是物理去除病变。化疗是通过服用和注射药物来控制癌症。放射疗法使用高剂量的辐射来试图杀死癌细胞。通常,这些治疗方法根据疾病和病程而混合。不难想象,在放射治疗中,辐射也可能对患者的健康组织有害。如果剂量更“个性化”,则可以减少对患者的负面影响。不久前,克利夫兰诊所在一份着名的医学杂志《柳叶刀》上发表了一篇论文,介绍了他们在建立人工智能框架以指导944名肺癌患者治疗方面的经验。结合患者的CT(计算机断层扫描)和EHR(电子健康记录),他们的机器学习技术培训的AI系统可以告诉他们推荐的辐射剂量,使放射治疗真正个性化。最终,副作用可以最小化,治疗失败率可以降低到不到5%。同时,近年来出现了诸如靶向治疗和免疫疗法的精确治疗。前者通过干扰癌症所需的特定分子来治疗,后者通过激活患者自身的免疫系统来治疗癌症。在传统疗法中,MRI可以帮助放射治疗技术更准确地攻击病变。这件事已经由传统医疗公司完成。美国医疗器械公司View Ray通过提供专门的MRI设备,可以使用MRI跟踪放疗期间的病变,使放疗更加精确。人工智能技术可能会进一步推动它。例如,中国的白石医疗,其鼻咽癌放射治疗临床靶标的自动划分系统可以同时自动描绘GTV(肿瘤区域)和CTV(临床靶区域),从而划定单个鼻咽癌患者的目标区域。 2-4小时缩短为10分钟,界定效果接近鼻咽癌放射治疗专家。 “人工智能将大大提高目标描绘的精确度,缩短医生素描的时间,实现医疗痛点的突破,进一步满足医生的临床需求,为患者提供最佳治疗方案。”白石CEO沉硕钛媒体称。癌症死亡的高发率是由于它在疯狂增长下移动到其他身体器官的可能性。 AI还可用于更好地识别癌症转移并提高手术治疗的成功率。病理学家Andrew H. Beck创立了PathAI,这是开发的工具之一,用于帮助识别淋巴结转移的迹象以及癌细胞等简单检测方法的存在。 AI也可以帮助最新的免疫疗法。 “我们的工具将真正提高诊断的准确性和治疗效果,病理学将是人工智能真正彻底改变的第一个医学领域。”在IEEE的采访中,Beck谈到了PathAI正在做的事情。除了鉴定转移细胞外,PathAI的软件还绘制了显示产生癌细胞的上皮细胞的现有组织类型;他们的免疫细胞图显示了新的免疫治疗剂对肿瘤的治疗效果。不难想象,更好的病理影响分析可以帮助确定每位癌症患者的肿瘤性质,并为治疗方案提供指导。然而,人工智能行业和医疗行业的特点也意味着未来仍有许多难度需要克服:首先,大多数深度学习技术对初创公司的数据质量有更高的要求没有这样的数据基础。说数据可能是一个很大的门槛。Paige.ai能够进行如此大量的癌症数据培训,这得益于斯隆 - 凯特琳癌症中心(MSKCC)独家授权的400多万份包含病理信息和电子病理学的文件; Deep Medical的创始人来自斯坦福大学相关实验室从斯坦福大学和斯坦福大学获得专利和数据许可。其次,医疗机构往往相对保守,在现有治疗过程中引入新技术可能需要更长时间的测试和磨合。在过去的几个世纪里,人类对癌症一直无能为力:身体切除,大量输血,甚至是山羊粪和青蛙“毒品袭击”;现代医疗技术和人工智能技术的进步使我们能够真实地面对这场最可怕的死亡。武器,也许有一天,宝贵的生命可以越来越慢,癌症最终会成为一种可控的甚至可治愈的疾病。 (本文来自硅谷,第一个钛媒体,作者/丁世贝)

您还可能希望看到:

粉丝可以在君微信上添加论坛

(添加时请注意简要的个人信息、昵称+学生或公司职位)

收集报告投诉

0×251C

无论是行业的新消息还是重量级会议的进展,一个重要的趋势正在出现:人工智能是未来癌症治疗中最重要的技术手段之一。

作者:硅谷钛媒研究员丁淑培诗歌

0×251d

7月15日,美国病理数据最强的初创企业Paige.ai最近发布了一则重大新闻,即人工智能癌症检测和治疗初创企业宣布在[0x9A8b]上发表一篇论文,以确认其人工智能病理系统。前列腺癌、皮肤癌和乳腺癌的检出率已达到“近乎完美”的准确率,宣布这是“世界上第一个临床级病理人工智能应用”。同时,在过去的六个月中,相继召开了三次关于医学成像和医疗器械的主要会议:2019年核医学会议(SNMMI 2019)、WSGR医学仪器会议、医学成像信息学会(SIIM 2019),会议一致通过。他们专注于利用人工智能处理癌症的新技术。一些癌症诊断和治疗初创公司召开了医疗技术创新会议,分享了癌症治疗的新进展。

在长明的医疗领域,癌症仍然是一种无法治愈的疾病,每年在全球造成800多万人死亡。根据世界卫生组织去年9月发布的一份报告,全世界每五分之一的男性和六分之一的女性患上癌症,八分之一的男性和十一分之一的女性将死于癌症。作为世界上人口最多的癌症发病率最高的国家,癌症治疗还有很长的路要走:国家癌症中心统计,中国癌症患者的5年生存率约为30%,仍然远低于70% -80%的发达国家,如欧洲和美国。 2018年初,着名的医学杂志《Nature 充满荆棘的道路上,人工智能可以通过三种方式帮助我们:预防,诊断和治疗。

AI成像有助于癌症预防和早期筛查

面对癌症,“严重疾病之王”,迄今为止对人们最强大的武器是预防和早期筛查。这是因为早期筛查可以有效降低发病率。《柳叶刀》报告写道,预防现在有助于降低发达国家各种癌症(包括肺癌和宫颈癌)的发病率。 AI技术可以提高早期筛查的效率和准确性,进一步帮助人们预防癌症。在结直肠癌的情况下,肠息肉对于早期诊断至关重要,因为息肉可能恶化为癌症。 2017年,达特茅斯教授Bruno Korbar实现了CNN(卷积神经网络),用于从肠组织染色中鉴定潜在的致癌肠息肉,准确度为93%。以Paige.ai为例,他们开发的AI系统在几年内通过深度学习技术培训了4个国家超过15,000名癌症患者的45,000个癌症病理图像,最终获得了极好的诊断准确性。病理切片肯定是癌症诊断的金标准,但仅限于其侵袭性以及病理检测的局部性。在基础疾病群体中使用病理检测来实现常规的常规早期癌症筛查是不可行的。医学成像方法,包括CT,PET和MRI,是基于其综合角度检测和非侵入性特征的早期癌症筛查的有力工具。目前,在医院影像学领域,已有许多相关的人工智能研究和产业转型正在进行中。在2019年的Google I/O上,谷歌产品经理Lily Peng展示了Google在早期发现肺癌方面的成果。在所有癌症中,肺癌的死亡率最高。 “不幸的是,80%的肺癌在早期阶段很难。筛选出来。”

Lily Peng展示了早期发现谷歌肺癌的结果

通过国家癌症研究所和西北大学提供的肺癌病理图像,谷歌培训了一种能够检测恶性肿瘤的神经网络,其能力甚至高于训练有素的放射科医师。结果表明,AI系统可以通过在肺癌诊断前一年扫描患者的CT来发现癌症的迹象。对于此类患者,早期筛查意味着存活率增加40%。以前,癌症的早期筛查往往引发争议:大量早期癌症筛查也意味着更多的误诊率,浪费的医疗费用和过度治疗。不难想象,在AI提高癌症成像的质量和效率并提高早期筛查的准确性后,可以解决这个问题。

早期筛选趋势:

提高图像质量,减少有害因素

在2019年SNMMI年会上刚刚结束的年度形象奖中,来自德国海德堡大学医院的新型68Ga-FAPI示踪剂PET提供了清晰的肿瘤轮廓和高图像对比度。研究表明68Ga-FAPI PET/CT成像在28种不同的肿瘤中具有良好的成像特性,尤其是肉瘤,食道癌,乳腺癌,胆管癌和肺癌。 FAPI(成纤维细胞活化蛋白抑制剂)被称为成纤维细胞活化蛋白(FAP)抑制剂。这些成纤维细胞可以形成超过90%的肿瘤组织,但在正常细胞中没有表达或太低,因此FAP可以有效地用于鉴定肿瘤。 “68Ga-FAPI的高吸收率使其对许多癌症类型有用,特别是在传统的18F-FDG PET/CT限制的情况下,”Heweberg德国癌症研究中心和海德堡大学核医学教授Uwe Haberkorn博士德国医院。说过。 “例如,低级别肉瘤通常具有较低水平的18F-FDG,导致良性和恶性病变之间的重叠。在乳腺癌中,18F-FDG PET/CT常用于复发后图像检测,但一般不会建议用于早期癌症检测。对于食管癌,18F-FDG PET/CT对淋巴结分期的敏感性通常只有低到中等。提高图像质量和减少有害因素是早期癌症筛查的最重要趋势。发表在细胞干细胞上的最新研究表明,CT检查可能会增加肿瘤的风险,因为它不会显着引起细胞突变,但会增加肿瘤的竞争力,从而增加肿瘤的电位辐射(大约相当于几次CT检查的剂量)。携带p53突变并具有癌变可能性的细胞。必须减少辐射的有害影响。在今年的SNMMI年会上,全身PET成像硬件系统的低辐射剂量,高成像速度也是本次会议的焦点,并受到全球分子影像研究人员和临床医生的广泛关注。

例如,之前由Titanium Media报道的Subtle Medical专注于加速医学成像。它使PET(核医学成像,正电子发射计算机断层扫描)能够将放射性试剂的剂量减少4倍以上,然后通过深度学习技术完成图像。增强以达到诊断水平。换句话说,他们可以制作对于诊断癌症更重要且放射性更低的PET图像模态。值得一提的是,深层医疗产品不仅可以提高肿瘤筛查早期的采集速度,减少辐射剂量,而且对阿尔茨海默病等神经退行性疾病也有同样的效果。此前,其产品已获得美国FDA批准,并已获得欧洲CE标志。目前,它在美国的几家医院和成像中心临床商业化。

Deep Medical的联合创始人,斯坦福大学医学院教授Greg Zaharchuk博士在SNMMI会议上介绍了AI在核医学中的应用和价值,介绍了相关的实验室和深入的医学技术基于图像的PET图像重建/增强。进展

“目前,在医学影像的工业应用中,大多数公司都集中在产业链的下游,即计算机辅助诊断(CAD)。深医学集中了一批深度数学,物理,计算机。高级医学研究人员医学影像背景专注于产业链的上游,即图像重建和优化,“深圳医疗首席执行官恩昊龚说。在最近发布的《华盛顿邮报》,行业和临床研究专家提出”医学图像和结构的标准化数据严重不足。标准图像数据.是医学成像AI发展的基础。“AI Imaging Company的加入将有助于为行业带来更多标准图像数据,为未来的图像辅助诊断和医学成像的早期筛查奠定基础。 AI肿瘤。

如何用AI治疗癌症?

虽然大多数癌症在诊断后进入困难模式,但AI仍然可以在此阶段使用。面对癌症,过去人类主要有三种主要治疗武器:手术,化疗和放疗,目的是消除病变。顾名思义,手术是物理去除病变。化疗是通过服用和注射药物来控制癌症。放射疗法使用高剂量的辐射来试图杀死癌细胞。通常,这些治疗方法根据疾病和病程而混合。不难想象,在放射治疗中,辐射也可能对患者的健康组织有害。如果剂量更“个性化”,则可以减少对患者的负面影响。不久前,克利夫兰诊所在一份着名的医学杂志《医学影像AI白皮书》上发表了一篇论文,介绍了他们在建立人工智能框架以指导944名肺癌患者治疗方面的经验。结合患者的CT(计算机断层扫描)和EHR(电子健康记录),他们的机器学习技术培训的AI系统可以告诉他们推荐的辐射剂量,使放射治疗真正个性化。最终,副作用可以最小化,治疗失败率可以降低到不到5%。同时,近年来出现了诸如靶向治疗和免疫疗法的精确治疗。前者通过干扰癌症所需的特定分子来治疗,后者通过激活患者自身的免疫系统来治疗癌症。在传统疗法中,MRI可以帮助放射治疗技术更准确地攻击病变。这件事已经由传统医疗公司完成。美国医疗器械公司View Ray通过提供专门的MRI设备,可以使用MRI跟踪放疗期间的病变,使放疗更加精确。人工智能技术可能会进一步推动它。例如,中国的白石医疗,其鼻咽癌放射治疗临床靶标的自动划分系统可以同时自动描绘GTV(肿瘤区域)和CTV(临床靶区域),从而划定单个鼻咽癌患者的目标区域。 2-4小时缩短为10分钟,界定效果接近鼻咽癌放射治疗专家。 “人工智能将大大提高目标描绘的精确度,缩短医生素描的时间,实现医疗痛点的突破,进一步满足医生的临床需求,为患者提供最佳治疗方案。”白石CEO沉硕钛媒体称。癌症死亡的高发率是由于它在疯狂增长下移动到其他身体器官的可能性。 AI还可用于更好地识别癌症转移并提高手术治疗的成功率。病理学家Andrew H. Beck创立了PathAI,这是开发的工具之一,用于帮助识别淋巴结转移的迹象以及癌细胞等简单检测方法的存在。 AI也可以帮助最新的免疫疗法。 “我们的工具将真正提高诊断的准确性和治疗效果,病理学将是人工智能真正彻底改变的第一个医学领域。”在IEEE的采访中,Beck谈到了PathAI正在做的事情。除了鉴定转移细胞外,PathAI的软件还绘制了显示产生癌细胞的上皮细胞的现有组织类型;他们的免疫细胞图显示了新的免疫治疗剂对肿瘤的治疗效果。不难想象,更好的病理影响分析可以帮助确定每位癌症患者的肿瘤性质,并为治疗方案提供指导。然而,人工智能行业和医疗行业的特点也意味着未来仍有许多难度需要克服:首先,大多数深度学习技术对初创公司的数据质量有更高的要求没有这样的数据基础。说数据可能是一个很大的门槛。Paige.ai能够进行如此大量的癌症数据培训,这得益于斯隆 - 凯特琳癌症中心(MSKCC)独家授权的400多万份包含病理信息和电子病理学的文件; Deep Medical的创始人来自斯坦福大学相关实验室从斯坦福大学和斯坦福大学获得专利和数据许可。其次,医疗机构往往相对保守,在现有治疗过程中引入新技术可能需要更长时间的测试和磨合。在过去的几个世纪里,人类对癌症一直无能为力:身体切除,大量输血,甚至是山羊粪和青蛙“毒品袭击”;现代医疗技术和人工智能技术的进步使我们能够真实地面对这场最可怕的死亡。武器,也许有一天,宝贵的生命可以越来越慢,癌症最终会成为一种可控的甚至可治愈的疾病。 (本文来自硅谷,第一个钛媒体,作者/丁世贝)

您可能还想看到:

粉丝可以为Jun WeChat添加论坛

(请注意添加时的简要个人信息,昵称+学生或公司职位)

http://down.triunfoamazonia.com

热门浏览
热门排行榜
热门标签
日期归档