机器学习、影像技术可能促进结肠癌诊断

结直肠癌是全球第二大常见癌症，约90%的病例发生在50岁或50岁以上的人群中。癌细胞起源于结肠的内表面或粘膜层，可以穿透结肠的深层并扩散到其他器官。如果不治疗，这种疾病是致命的。

目前的结肠癌筛查是通过柔性结肠镜检查进行的。这个过程包括用一个安装在内窥镜上的摄像机对结肠和直肠的黏膜衬里进行目视检查。然后对出现异常的区域进行活检分析。虽然这是目前的护理标准，但它确实有其缺点。首先，该技术依赖于视觉检测，但小病变很难用肉眼检测到，早期恶性肿瘤经常被漏诊。第二，视觉内窥镜只能检测肠壁表面的变化，而不能检测肠壁的深层。

朱清教授生物医学工程美国圣路易斯华盛顿大学麦凯维工程学院的一名生物医学工程博士生曾毅峰(音译)正在开发一种新的成像技术，可以提供精确、实时的计算机辅助诊断结肠直肠癌。

使用深度学习，一种机器学习，研究人员使用了超过26,000多个成像数据帧的技术从结肠直肠组织样品测定方法的准确性。与病理报告相比，在这项试点研究中，他们能够100%准确地鉴别肿瘤。

这是第一个使用这种成像结合机器学习来区分健康的结直肠组织、癌前息肉和癌组织的报告。研究结果提前发表在《治疗学》杂志上。

这项研究技术是基于光学相干断层扫描(OCT)，这是一种光学成像技术，已经在眼科中使用了20年，用于拍摄视网膜图像。然而，麦凯维学院和其他地方的工程师一直在推进该技术的其他用途，因为它提供了高达1- 2毫米成像深度的高空间和深度分辨率。OCT检测健康和病变组织折射光线的不同方式，并对癌前和早期癌症形态变化高度敏感。如果进一步发展，该技术可以作为一种实时、非侵入性成像工具，与传统结肠镜检查一起，帮助筛查深层癌前息肉和早期结肠癌。

“我们认为这项技术，结合结肠镜内窥镜，将非常有助于外科医生诊断大肠癌，”朱说，他是这篇论文的资深作者，也是华盛顿大学医学院马林克罗特放射学研究所的放射学教授。“还需要更多的研究，但我们的想法是，当外科医生使用结肠镜检查结肠表面时，这项技术可以在局部放大，以帮助对更深的癌前息肉和早期癌症与正常组织进行更准确的诊断。”

Zhu和她的团队与结肠直肠外科主任Matthew Mutch医学博士合作;William C. Chapman Jr.，医学博士，结肠和直肠外科住院医师;和Deyali Chatterjee，医学博士，病理学和免疫学助理教授，都在医学院。

两年前，Zeng是纸的主要作者，开始使用OCT作为对医学院患者的结直肠组织的图像样本的研究工具。他观察到健康结直肠组织有一种类似于牙齿的图案。然而，癌前和癌组织很少显示这种模式。牙齿图案是由结直肠组织的健康粘膜微观结构的光衰减引起的。

曾轶可开始与另一名研究生徐士奇(音)合作，徐士奇获得了硕士学位电气工程他于2019年从麦凯维工程学院(McKelvey Engineering)获得了博士学位，并是论文的共同第一作者。该学位旨在训练视网膜网络(RetinaNet)，这是一种大脑神经网络模型，神经元以复杂的模式连接以处理数据，以识别和学习组织样本中的模式。他们使用患者组织样本中20个肿瘤区域、16个良性区域和6个其他异常区域采集的约26000张OCT图像训练和测试了该网络。将该系统预测的诊断结果与用标准组织学方法对组织标本的诊断结果进行比较。病区居民Zahra Alipour和Heba Abdelal协助进行了比较。该团队发现了100%的敏感性和99.7%的特异性。

“我们系统的独特之处在于，我们可以在图像中检测到结构模式，”曾说。“使用OCT，我们可以在所有正常组织中找到一种模式。然后，我们可以利用这种模式来对异常和癌变组织进行分类，以进行准确诊断。”

朱,曾庆红和团队,与潮州合作,生物医学工程的副教授,现在开发一个导管与结肠镜检查,可以同时使用内窥镜分析牙表面模式结肠组织和提供一个得分的概率从RetinaNet癌症外科医生。

“现在，我们可以在四秒钟内获得反馈，”曾说。“随着计算速度和导管的进一步发展，我们可以向外科医生提供反馈实时”,曾说。

---

---