科学研究 - 日本尝试利用AI高精度检测早期胃癌

日本理化学研究所（以下简称“理研”）与日本国立癌症研究中心东医院消化道内窥镜科组成的联合研发小组，利用由少数确诊数据构筑的人工智能（AI）系统，确立了高精度自动检测早期胃癌的方法。由此可减少胃癌的漏诊，有望实现早发现、早治疗。

相关研究论文已于北京时间7月21日在美国夏威夷举行的学会40th Annual International Conference of the IEEE Engineering in Medicine and Biology Society上发表。

图：医生的诊断（绿色）与计算机自动检测出的（紫色）早期胃癌的肿瘤区域

研究方法与成果

熟练医生通过内窥镜图像发现早期胃癌时，大多是根据胃壁表面粘膜的轻微变色和粘膜表面的血管状况进行诊断的。因此，研发小组从大约100张早期胃癌的确诊图像和大约100张正常组织的图像中，随机各截取约1万张肯定含“癌症部分”和“正常部分”的区域，合计获得了约2万张图像（图像尺寸为224ｘ224像素，图1）。然后利用数据扩展技术，将这些图像扩展至约36万张。数据扩展是在保持早期胃癌的特征——胃粘膜表面的血管情况等的同时，通过对原始图像进行加工，制作新的学习数据的技术。

图1：从早期胃癌的确诊图像中随机截取的“癌症部分”与“正常部分”的学习图像

该研究通过名为ImageNet的大规模图像数据集，将已经学习过图像分类问题的一种名为GoogLeNet的模型作为卷积神经网络（CNN）的初始模型使用，为了检测出早期胃癌，利用上述约35万张图像，让其重新进行学习。

之后，利用未用于学习的约1万张图像，对重新学习后的CNN能否准确判断这些图像进行了验证。结果显示，检测灵敏度（在“癌症”图像中，准确判断为“癌症”的比例）为80.0％，特异度（在“正常”图像中，准确判断为“正常”的比例）为94.8％。另外，阳性符合率（在判断为“癌症”的图像中，确实是“癌症”的比例）为93.4％，阴性符合率（在判断为“正常”的图像中，确实“正常”的比例）为83.6％，都非常高。通过验证还发现，因与胃炎和胃溃疡症状相似而难以判断的病例也能以较高的准确率进行判断。

早期胃癌用肉眼识别时主要分三种类型，分别是观察到明显的肿瘤状隆起的“隆起型（Type0-Ⅰ）”；未观察到明显的隆起和凹陷，但观察到不明显隆起的“表面隆起型（Type0-Ⅱa）”；观察到粘膜轻微凹陷的“表面凹陷型（Type0-Ⅱc）”。利用AI检测这三种类型的早期胃癌区域时，连尤其难以发现的表面凹陷型（Type0-Ⅱc），也能自动检测出癌症区域（图2）。利用此次的方法，在用于验证的所有图像中，有86.2％准确地自动检测出了“癌症”区域和“正常”区域。

另外，除去输入和输出图像的时间以外，处理1张图像所需的时间仅为4毫秒，将来在临床现场，这个速度足够用来进行实时自动检测。