用AI超早期确诊胃癌，可高精度排出症状类似的胃炎跟溃疡

Japan Technology Observer 日本科技观察

致敬爱的读者：如果该公号采编的文章对您工作、学习有稍许启发、参考，希望耽误您一些宝贵时间，帮忙点击下底部广告，小编可以籍此获得一些收入。

PS：希望能尽微薄之力，帮助有心前往日本大学或者研究机构进行硕博士，博士后，访问学者的朋友联系教授导师，或者选定科研课题。有兴趣的同学朋友请后台留言给我。为提高沟通效率，请同时留言300-500字自己的过往已发表论文概要或者将来研究计划概要。

相关往期文章回顾

理化研究所跟（日本）国立癌研究中心东院的共同研究小组，发表他们已经确立了通过人工智能外完成对胃癌的高精度的早期自动确诊方法。本次的研究成果，被期待在减少胃癌的漏诊率，进而加强对胃癌的早发现早治疗发挥重要效果。

研发此项技术的，是理化 光量子工程学研究中心 图像信息处理研究团队的横田秀夫组长，竹本智子研究员等人以及（日本）国立癌症研究中心的东院 消化道内窥镜科室的矢野友规科长，池松弘朗医生，堀圭介医生等人组成的团队。在2018年7月21日美国夏威夷召开的学会「40th Annual International Conference of the IEEE Engineering in Medicine and Biology Society」上，发表了该研究成果。

共同研究小组考虑的是，使用深度学习技术从内窥镜图像中自动检查早期胃癌的方法。将深度学习应用到把图像中的物体检查出来的情况，一般是用数十张乃至数百张正确的图像作为学习资料。但收集早期癌症的正确图像非常困难（这是情况只能是那些病人有保存早前检查图像信息，而且最后确诊癌症时候还有找到这些图像），至少目前是这样。因此从正确的图像中随机分切出小的区域，利用数据扩张技术增加图像的数量。使用这些图片让计算机进行学习的结果是：阳性命中率（计算机判断是癌症的图像中，实际却是是癌症的比率）高达93.4%，阴性命中率（计算机判断正常的图像中，实际也是正常的比率）达到83.6%。可以说在胃癌领域成功达到了高精度早期确诊的成果。

针对需要准备大量的学习资料这个课题，共同研究小组基于深度学习分类为Convolutional Neural Network（CNN），采用了以较少量的学习资料来进行学习的新方法。在早期胃癌领域已经实证正确的有内窥镜所得到的正确的图像和正常（胃）图像各100张制作了早期胃癌判断的模型。从这200张图片信息中随机地抽取出1万片含有癌的部分以及正常部分的区域图片，总计得到2万张图片。进而对这些图像使用被称之为数据扩充的技术生成36万片图像。其次，为了让CNN拥有早期胃癌的诊断能力，应用被称之为转移学习的学习法，使用约35万张图片进行了再学习。进而在学习完成之后，使用没有在学习过程中使用的1万片图像，进行对自身之前学习效果的实证。其结果是：感度（正确将癌症判断为癌症的比例）为80.0%，特异度（正确将正常潘丹为正常的比例）为94.%。另外阳性跟阴性的命中率非常高，就算是在胃炎胃溃疡等跟胃癌特别相似难以判断的情况下，结果也显示有非常高的正确率。

目前，共同研究小组跟日本消化器官内窥镜学会来主导的Endoscopy Database project（JED项目组）来合作，商讨如何更简单地手机更多早期胃癌的正确图像。下来，理研的科学技术据点推进本部，会跟医学革新据点推进项目组之间的合作，建立自动收集大量的医疗数据进行机械学习的架构。再下来，该项技术的发展有助于进一步提高在早期确诊胃癌的精度。今后将继续开展实证试验，作为在临床阶段作为医生判断的参考依据，尽快实现该技术的实用化。

意展医疗联系方式：

意展医疗日本办事处

致力于日本医疗行业

市场调研｜商务联系｜技术转移

等咨询服务