减少放疗对器官的伤害，深度学习为癌症治疗带来新方案

肿瘤放射治疗（Radio Therapy）是利用放射线治疗肿瘤的一种局部治疗方法，也是目前技术手段中最为成熟的治疗方法。大约70%的癌症患者在治疗过程中需要用放射治疗，它在肿瘤治疗中的作用和地位日益突出，已成为治疗恶性肿瘤的主要手段之一。

放射治疗中的关键步骤是准确描绘出治疗目标之外所有处于危险中的器官（OAR），以最大程度地减少对周围健康器官的潜在不良影响。然而，基于计算机断层摄影图像来手动描绘OAR既费时又容易出错，而且对于医生来说，根据从手动描绘OAR进而给出器官损害风险最小的治疗方案是相当困难的。

图片来源：Pixabay

如果，在放射性治疗阶段能较好预防辐射对无病变组织或器官的危害，那么该治疗方式一定会更上一个台阶。最近，来自加利福尼亚大学欧文分校（University of California, Irvine, UCI）、上海交通大学医学和DeepVoxel公司的联合研究团队推出一种以CT扫描为输入方式并自动描绘人体内所有重要器官组织的技术，该技术可以准确描绘出治疗目标之外所有处于危险中的器官，最大程度减少放射治疗对周围健康器官的潜在不良影响。这一突破有助于加快放疗计划，提高患者与医生临床信心，也大大减少了辐射对人体内器官的损害。这项新技术发表在《自然-机器智能》（Nature·machine intelligence）上。

UCI计算机科学系的谢晓辉教授表示，基于最新的模型，它可以在几秒钟内描绘出整个CT扫描的过程，通常这项工作人类医生需要花费半小时以上。该系统经测试验证，在100次CT扫描的数据集上，深度学习方法实现了Dice相似系数（DICE Similarity coefficient）超过78％，这与肿瘤领域专家进行的分析相比有显著改进。

这项研究基于头部和颈部放射治疗，研究团队提出了一种用于自动描绘OAR的深度学习模型，进而开发出一个深度神经网络。由于头部、颈部具有复杂的解剖结构，同时这两部分器官的分布是较为密集的，一旦辐射意外照射到该区域的敏感组织可能会出现一些对人体不利的影响，比如难以张开嘴巴、视力和听力下降以及认知障碍等。

这也就意味着研究团队若能在人体最为复杂的器官部分获得成功，那么这项研究也就相对更具突破性。

图片来源：Pixabay

为验证该网络是否能够准确、有效描绘出OAR，研究团队在经过215次计算机断层扫描的数据集上进行训练，并由经验丰富的放射肿瘤学家手动描绘了28个OAR。这些数据来自Cancer Imaging Archive，即TCIA，癌症研究的医学图像的开放获取数据库中得到的公开数据集。

对上述深度神经网络进行训练后，研究团队得到了一个能够具备OARs描绘能力的模型，他们将该模型和该领域先前所提出的模型（AnatomyNet、multi-atlas segmentation (MAS)）进行比对，数据表明，最新的深度神经网络模型在描绘放射治疗中的OAR的平均值为80.34，相比其他方法具有更高的计算效率，能力优于大部分现存模型、更为先进，使它可以用更多标准级别的图形处理单元存储器来完成。这意味着该技术可以在实际诊所中更容易地部署。

图片来源：参考资料[1]

最终该研究团队将该模型与人类肿瘤医师进行性能对比，该模型在28个OAR中获得了平均Dice相似系数78.34％，明显优于人类专家和以前最先进的方法，相比这两者，该模型的准确度分别提高了10.05％和5.18％。

这个最新深度神经网络模型只需要几秒钟就可以描绘出整个扫描过程，而人类专家则需要花费半个小时以上，这样一来医生的工作效率便会得到提高。这一系列研究也印证了使用深度学习的方法，可以在较大程度上减少放射治疗的时间，从而提高患者的生活质量。

参考资料（可上下滑动查看） 

[1]Clinically applicable deep learningframework for organs at risk delineation in CT images Retrieved OCT 16, from

https://www.nature.com/articles/s42256-019-0099-z.epdf?author_access_token=RX7SRCctRsadPel_QgJNTtRgN0jAjWel9jnR3ZoTv0Pi7ubfEveLamleXMNzgQfrpN4vbKLCyKOH8ZIYvp0oRW5ychVRL6w_waGKM4pvXxQ-5-19i0dPv0D30U3MuZdj_eY6mdygrtTo2bNDvjbCzA%3D%3D&from=groupmessage&isappinstalled=0

[2] Clinically applicable deep learningframework for organs at risk delineation in CT images Retrieved OCT 16, from https://www.docwirenews.com/abstracts/clinically-applicable-deep-learning-framework-for-organs-at-risk-delineation-in-ct-images/

更多文章精选

点击图片阅读：谷歌、亚马逊、Facebook纷纷挑战蛋白质折叠问题，布局新药研发

点“在看”，分享AI健康新动态