肺癌已成爲我國發病率最高、死亡率最高的惡性腫瘤,放療(RT)在這種疾病中扮演着一個關鍵的角色，約20%的早期肺癌患者 (I-II) 和50%的晚期肺癌患者 (III-IV) 需要接受RT。精確地分割出腫瘤病竈區域，是RT的關鍵部分,對腫瘤的控制和輻射相關毒性有直接影響。通常情況下，人工勾畫腫瘤區域是一項耗時長，工作量極大的工作。同時，專家之間也會受其主觀經驗，環境等諸多因素的影響，結果存在顯著差異(例如，在1項研究中5名專家之間的差異爲7倍)，分割的質量可能直接影響臨牀結果。因此，臨牀上急需實現腫瘤區域的自動分割。近年來，人工智能受到了極大的關注，而醫學影像與人工智能的結合被認爲是最具發展前景的領域，可提高醫生的工作效率和診斷準確率。

正所謂高手在民間，在一個爲期10周的在線挑戰（獎金總額爲55000美元）中，34位參賽者提交了45種算法，確定了多種AI解決方案，大家有一個共同的目標—提高人工智能(AI)解決方案在肺腫瘤分割（用於靶向治療）中的準確度。結果發表在4月18日的JAMA子刊《JAMA Oncology》，此次比賽中的AI方法能快速生成自動化算法，複製了一名訓練有素的醫生在放射治療關鍵任務中的技能。這些AI算法可以通過將專業醫生的技能轉移到資源貧乏的地區，改善全球的癌症治療現狀。

利用大衆創新，開發一種基於人工智能的放射治療解決方案

重要性

放射治療（RT）是一種重要的癌症治療方法，但現有的放射腫瘤學工作人員並不能滿足日益增長的需求。在放射治療中，醫師的關鍵任務涉及腫瘤的分割和靶向治療，這些工作需要經過大量培訓。

目的

確定人工智能(AI)解決方案是否能達到放射腫瘤學專家在肺腫瘤分割（用於靶向治療）中的準確性。

設計、背景和參與者

我們進行了爲期10周的在線挑戰（獎金總額爲55000美元）。比賽使用的數據集，包括由臨牀護理專家生成的計算機斷層掃描（CT）和肺腫瘤分割（461名患者的CT掃描;每次掃描的圖像中位數爲157張;一共77942張圖像;有腫瘤的8144張圖像）。一套229張CT掃描訓練集，並配有專家的算法，並在整個比賽過程中對他們的表現給出反饋（包括來自專家的反饋）。

主要結局和指標

參賽者生成的AI算法在一個獨立的數據集上自動評分，使用定量指標對其進行排名，評估每個算法的結果與專家結果的重疊程度。

結果

共有來自62個國家的564名參賽者參加了此次挑戰，34名（6％）參賽者提交了算法。當使用集合模型組合時，由前5個AI算法產生的自動分割的精確度（Dice係數= 0.79），在6位人類專家平均差異的基準範圍內。在第1階段，前7種算法平均自定義分割分數(S)在0.15--0.38之間，相對誤差欠佳。第2階段的平均S分數增加至0.53至0.57，其他指標也相應改善。在第3階段，TOP算法的性能提高了9％。使用集合模型將第2階段和第3階段的前5個算法結合起來，性能提高了9％--12％，最終S得分達到0.68。

結論和意義

此次比賽中的AI方法能快速地生成自動化算法，複製了一名訓練有素的醫生在放射治療關鍵任務中的技能。這些AI算法可以通過將專業醫生的技能轉移到資源貧乏的地區，改善全球的癌症治療現狀。

版權及免責聲明

譯文由JAMA®出版商AMA授權醫鄰網翻譯，英文原文及譯文知識產權歸AMA所有。未經授權，不得轉載、引用或印刷。授權及合作事宜，請聯繫醫鄰網。

郵箱：[email protected]。

©2019 American Medical Association 版權所有。

JAMA®爲AMA註冊商標，經授權使用。

The JAMA Network®爲AMA註冊商標，經授權使用。

注：由於產品質量責任、疏忽、其他原因或使用、運行本文所載的方法、產品、說明及理念而對個人及財產造成的任何傷害或損失，AMA和醫鄰網不承擔任何責任。由於醫學科學發展迅猛，相關診斷及藥品使用劑量均應進行獨立驗證。

相關文章