人工智能正在影響諸多領域。但是，一些比較大的變化發生其中之一是醫學成像。盡管它可能不像自動駕駛汽車那么吸引人，但是人工智能驅動的成像正在做著更重要的事情：挽救生命。像CureMetrix這樣的公司正在將圖像分析從猜測游戲轉變為數據驅動的過程。

[[330015]]

典型的放射科患者不會使用CureMetrix的技術去看醫生。他們只知道他們的治療取決于準確的診斷。幕后發生了什么，醫學成像行業的下一步是什么?事實證明，答案與無人駕駛汽車一樣令人振奮。

醫學影像革命

要了解AI改變了醫學成像世界的程度，了解低技術流程很重要。

“不久前，醫學影像就像是“瓦爾多在哪里?”。“基本上，專家會掃描圖像，然后搜索可能表明癌癥病變之類的微小異常現象。”盡管經過了所有醫生和放射科醫生的培訓，他們還是會犯錯誤。研究表明，僅人為分析的錯誤率可能約為35%。

考慮一下：在沒有AI的幫助下，三分之一接受放射學檢查的患者的方向錯誤。并且由于不同的原因，任何方向的錯誤都是危險的。如果遺漏了某些東西(假陰性)，則患者將不會得到治療，癌癥會繼續發展。許多需要成像的條件都是時間敏感的。癌性腫瘤每天都會被忽視，并且會變得越來越大，轉移的風險也會增加。

另一方面，假陽性(意味著放射科醫生將良性特征誤認為醫療問題)可能會使患者不必要地接受侵入性手術。例如，活檢是痛苦且昂貴的。平均而言，其中70-80%的人在尋找乳腺癌的過程中反而對患者及其家人造成了精神壓力。CureMetrix如何很大程度地減少錯誤，更重要的是，這對患者意味著什么?

第二雙眼睛

將CureMetrix的cmTriage視為另一雙眼睛。AI不能代替使用該工具的人-放射科醫生-但可以幫助他或她知道哪些情況可能是可疑的。

盡管AI不會替代放射線醫生，但使用AI的放射線醫生將替代未使用放射線的醫生。放射科醫生和乳腺X射線攝影專家已經供不應求，導致工作過度，倦怠和代價高昂的錯誤，最終可能導致訴訟。CureMetrix為放射科醫生提供了數據，使其成為抗癌斗爭中的另一種武器。

cmTriage已被FDA篩選為乳腺癌篩查的分類工具，為放射科醫生提供了預讀資料，有助于識別可疑病例。結果是有可能提高靈敏度，并減少患者召回。

在檢測乳腺癌方面，放射科醫生的平均敏感性為84.4%，其中9.6%的病例需要再次檢查。如果CureMetrix的敏感度為84.4%，則表明總共有6.4%的考核可疑。即使在默認模式下，AI的操作特異性也比放射線醫師高。cmTriage可以在更高的靈敏度下運行的事實更加強大。其默認設置為93%，但可以設置為高達99%。

通過將深度學習和計算機視覺相結合，cmTriage可幫助放射科醫生識別可疑變化，從而使患有乳腺癌的人能夠更快地得到治療。同樣重要的是，它可以幫助放射科醫生識別不太可疑或可能正常的病例，從而減少患者多次就診或進行危險治療的機會。

從乳腺癌開始

當前，CureMetrix僅可用于乳腺癌檢測。但是，為什么要罹患乳腺癌，它還能幫助哪些其他疾病呢?當我問Alipour時，他指出了兩點：規模和乳腺癌的獨特挑戰-所有要檢測的癌癥中最復雜的。

每年，將近30萬美國人被診斷出患有乳腺癌，占女性癌癥診斷總數的30%。其次，估計每年在乳腺X射線攝影誤報上花費40億美元。活檢通常是檢測的第二步，表現出驚人的75%假陽性率。“我們就是不能忽略這樣的數字，”阿利普爾說。“目前有很多不同的癌癥，但是從乳腺癌或人類疾病的角度來看，它們卻不如乳腺癌昂貴。”

幸運的是，對于其他癌癥患者，乳腺X線攝影術只是AI醫學影像改造的開始。CureMetrix計劃將其AI擴展到醫學成像的其他領域。

一種適合所有人的檢測工具?

成像是癌癥檢測中的關鍵工具，但它并不是唯一的工具。其他方法，例如甲基化分析，也可以通過深度學習工具來增強。Alipour指出：“深度學習的一個優勢是，它可以處理非結構化數據。如果提供正確的訓練數據，這種算法可以通過其他方式發現癌癥，例如查看化學特征。”

例如，Alipour提到了紐約大學Langone Health的一例。根據組織病理學診斷出一名年輕女孩患有復發性髓母細胞瘤，這是一種腦癌。然而，在AI的幫助下，她的醫生發現它實際上是另一種：膠質母細胞瘤。

強調正確診斷的重要性在于，女孩的癌癥可能是用來抵抗第一個癌癥的輻射的結果。如果以同樣的方式再次對她進行治療，那么這種治療可能會傷害到她而實際上并未消滅新的癌癥。

盡管在乳腺癌方面取得了診斷上的突破，但Alipour清楚地表明，通用的癌癥檢測工具仍在數年之內。但是，我們到達那里的方式正是CureMetrix所做的：從最復雜的癌癥開始，然后從那里建立。