乳腺超声弹性成像是一种新型的成像技术，医生使用它来帮助诊断乳腺癌，以一种非侵入性和准确的方式评估病变的硬度。研究结果发表在《应用力学与工程中的计算机方法》杂志上。

        乳腺癌是女性癌症相关死亡的主要原因。它也很难诊断。近十分之一的癌症被误诊为非癌症，这意味着病人可能会失去关键的治疗时间。

        另一方面，女性做的乳房x光检查越多，她看到假阳性结果的可能性就越大。经过10年的年度乳房x光检查，大约三分之二的没有癌症的患者将被告知他们患有癌症，并接受侵入性干预，很可能是活组织检查。

        然而，这一过程的关键是一个复杂的计算问题，解决起来既费时又麻烦。但如果我们依赖于算法的指导呢?

        南加州大学维特比工程学院休斯分校航空航天和机械工程系教授阿萨德·奥贝莱(Assad Oberai)在《通过深度学习绕过力学反问题的解决:弹性成像的应用》(using the application to elasticity imaging)的研究论文中提出了这个确切的问题。

        Oberai和包括南加州大学维特比分校博士生Dhruv Patel在内的一组研究人员特别考虑了以下问题:你能训练一台机器，用合成数据解释真实世界的图像，并简化诊断步骤吗?Oberai说，答案很可能是肯定的。

        以乳腺超声弹性成像为例，一旦拍摄了受影响区域的图像，就对图像进行分析，以确定组织内的位移。利用这些数据和物理力学定律，确定了机械性能的空间分布——比如它的刚度。在此之后，必须从分布中识别和量化适当的特征，最终将肿瘤分类为恶性或良性。问题是最后两个步骤在计算上很复杂，而且具有内在的挑战性。

        在研究中，Oberai试图确定他们是否可以完全跳过这个工作流中最复杂的步骤。

        癌性乳腺组织有两个关键特性:异质性，即有些区域是柔软的，有些区域是牢固的、非线性的弹性，这意味着纤维在被拉伸时提供了很大的阻力，而不是最初与良性肿瘤相关的阻力。了解了这一点，Oberai创建了基于物理的模型，显示了这些关键属性的不同级别。然后，他使用从这些模型中得到的数千个数据输入来训练机器学习算法。

        合成与真实数据

        但是为什么要使用合成的数据来训练算法呢?真实的数据不是更好吗?

        “如果你有足够的数据，你就不会这么做，”奥贝莱说。“但就医学成像而言，如果你有1000张图像，那就很幸运了。在这种数据匮乏的情况下，这类技术变得非常重要。”

        Oberai和他的团队使用了大约12000张合成图像来训练他们的机器学习算法。这个过程在许多方面与照片识别软件的工作原理类似，通过重复输入学习如何识别图像中的特定人物，或者我们的大脑如何学习如何将猫和狗进行分类。通过足够多的例子，该算法可以收集良性肿瘤和恶性肿瘤固有的不同特征，并做出正确的判断。

        Oberai和他的团队对其他合成图像的分类准确率接近100%。一旦该算法得到训练，他们就会在真实世界的图像上测试它，以确定它在提供诊断时的准确性，并将这些结果与生物医学证实的与这些图像相关的诊断结果进行比较。

        “我们的准确率约为80%。接下来，我们将使用更多真实世界的图像作为输入，继续改进算法，”Oberai说。

        改变诊断的方式

        有两个流行的观点使机器学习成为推进癌症检测和诊断领域的重要工具。首先，机器学习算法可以检测人类可能不透明的模式。通过对多种模式的操作，该算法能够产生准确的诊断结果。其次，机器学习提供了一个减少操作员对操作员错误的机会。

        那么，这会取代放射科医生在确定诊断中的角色吗?绝对不会。Oberai并没有预见到一种可以作为癌症诊断唯一仲裁者的算法，而是一种帮助引导放射科医生得出更准确结论的工具。

        “一般的共识是，这类算法可以发挥重要作用，包括对成像专业人员的影响最大的算法。然而，当这些算法不充当黑匣子时，它们将是最有用的。“是什么让它得出了最终的结论?”算法必须是可解释的，才能按预期工作。”

        调整算法用于其他癌症

        因为癌症在其影响的组织中会引起不同类型的变化，所以癌症在组织中的存在最终会导致其物理特性的变化，例如密度或孔隙度的变化。这些变化可以在医学图像中作为信号识别出来。机器学习算法的作用是挑选出这个信号，并用它来确定正在成像的特定组织是否癌变。

        利用这些想法，Oberai和他的团队正与南加州大学凯克医学院临床放射学教授Vinay Duddalwar合作，通过增强CT图像来更好地诊断肾癌。使用机器学习算法训练的原则确定乳腺癌的诊断,他们正在训练算法在其他功能可能会突出显示在肾癌病例,如组织的变化反映了人类癌症特异性改变病人的微脉管系统内的微血管网络帮助分发血液组织。

        来源：Medindia

         ‍此文系悬壶济世网原创整理，没‍有授权，请勿转载！