癌前病变分不清楚？人工智能来帮忙

人工智能（Artificial Intelligence，A.I.）正在逐渐超越人类的能力。自动驾驶汽车用A.I.来完成驾驶，有时能比人类操作更安全。电子商务使用A.I.为客户量身定制广告，比任何市场分析员都要精准。很快，人工智能会被用来“识别”生物医学图像，比任何一个医学人员还要准确。

美国宾夕法尼亚州伯利恒市的里海大学（Lehigh University）最近在《Pattern Recognition》杂志发表了一项研究成果。这是一种有潜力比目前临床常用的Pap（子宫颈抹片）和HPV（人乳头瘤病毒）宫颈癌筛查检测还要准确的人工智能图像检测技术，有望提供更早期的宫颈癌检测。

Xiaolei Huang博士是里海大学计算机科学与工程系的助理教授，她的实验室关于图像数据仿真与分析，专门研究人工智能在图像的应用识别，研发能像人类一样理解图像的计算机技术。Huang教授认为“人类与计算机是非常互补的。这就是人工智能的意义。”她目前的重要工作就是教计算机识别生物医学图像。

在医疗资源匮乏的地区，Pap或HPV筛查会因为价格而难以普及，因此基于子宫颈照片的筛查手段就变得很有临床应用前景。问题是，可见病变和高分期肿瘤的相关性不强，以及对可见病变分级的专家意见不统一，使得子宫颈照片的临床诊断价值打了一个问号。

▲高危型HPV病毒感染会导致宫颈癌（图片来源：nutritionreview.org）

Huang教授认为计算机算法可以采用视觉信息改进病变分级准确性问题，这个猜想经过10年的努力，被证明是正确的。

计算机学习的数据来自美国癌症研究院（NCI）的10000名匿名女性宫颈图片资料库，含有大量数字宫颈照相图片（一种宫颈的无创检测手段）。研究团队从资料库中挑选了1112个样本，其中345个是中度至重度增生（高分期，很有可能会发展为宫颈癌），767个是阴性（低分期，轻度增生，可自愈）。

为了确定癌症筛查最有用的特征，研究团队手工打造了金字塔特征（人工识别的基本组件），提取三个维度的数据——PHOG编码病变的边缘和梯度信息，PLAB捕捉肤色信息，PLBP抓取组织信息。同时采用深度学习的卷积神经网络（convolutional neural networks，CNN）来研究宫颈癌分类。经过大量的宫颈图片训练，该系统最终建立了宫颈上皮肉瘤样病变（cervical intraepithelial neoplasia，CIN）图像分类算法，这种宫颈表面的鳞状细胞异常增生是宫颈癌的癌前病变。

▲人工智能有望助力人类攻克更多疾病的早期诊断（图片来源：ZDNet）

据研究人员介绍，这种人工智能方法比现有的宫颈癌筛查方法（包括Pap和HPV）在敏感性（阳性正确率）和特异性（阴性正确率）上都提高了10%，有望为现有的宫颈癌筛选方法增加另一种经济实惠的选择。

目前，该研究团队正在寻求资金开展进一步的临床试验。如果能以更低的成本实现筛查，则有望用于欠发达国家，据统计全球80%的宫颈癌死亡案例来自这些地区。

参考资料

1、Robot radiology: Low-cost AI could screen for cervical cancer better than humans

2、Adjustable AdaBoost Classifier and Pyramid Features for Image-based Cervical Cancer Diagnosis

来源：康健新视野（微信号 HealthHorizon）