8月16日消息，8月16日，阿里達摩院發(fā)布多癌影像分析通用模型，可檢測、分割和診斷八種主要的高發(fā)致死癌癥，有助于實現(xiàn)多癌統(tǒng)一診斷，降低漏診概率。

當前，醫(yī)療AI模型已經(jīng)足夠強大，可完成單個器官疾病識別，輔助醫(yī)生進行診斷，但在實現(xiàn)多個器官的精準識別時遇到較大挑戰(zhàn)，一是過高的假陽性問題，二是存在一定概率的漏診，這對于癌癥多發(fā)病人的診療尤為重要。

為避免錯診與漏診，放射科醫(yī)生通常對全身的多器官進行多疾病的檢測和診斷。因此，醫(yī)生在臨床治療上迫切需要一個更高效的多癌統(tǒng)一診斷模型。

針對上述痛點，達摩院醫(yī)療AI團隊聯(lián)合中山大學腫瘤防治中心、四川省腫瘤醫(yī)院、浙大附屬第一醫(yī)院、盛京醫(yī)院、廣東省人民醫(yī)院等單位，提出了一個統(tǒng)一的多癌影像分析通用模型（cancerUniT），以Mask Transformer語義分割為基礎，解決多種腫瘤圖像此前難以統(tǒng)一檢測、分割和診斷的問題，適用于八種主流的高發(fā)高致死癌癥（肺、結(jié)直腸、肝、胃、乳腺、食管、胰腺、腎）以及相關器官中的腫瘤子類型。

多癌問題的復雜性主要體現(xiàn)在器官、惡性腫瘤和其他腫瘤類型之間存在許多關聯(lián)性。例如，肝癌和肝囊腫雖都位于肝臟內(nèi)，但在紋理和良惡性方面存在差異；而肝癌和胰腺癌雖形態(tài)相似，但卻是分屬不同器官的惡性癌癥。

為了有效建模多癌之間的差異和相似性，達摩院醫(yī)療AI團隊借助Transformer提出了一種新穎的腫瘤表示學習方法，將腫瘤表示為Transformer中的語義Query，并為不同器官中腫瘤及其子類型建立語義層次結(jié)構(gòu)，讓模型學習過程更加有效，并提高腫瘤及其子類型預測的一致性，實現(xiàn)同時輸出分割、檢測和診斷的預測，從而解決臨床上復雜的多癌多腫瘤的識別任務。

在一組631名患者的對比測試中，其腫瘤檢測、分割和診斷任務的性能均優(yōu)于8個特定器官的單模型組合，檢測任務的平均敏感性達到93%，平均特異性達到82%。

阿里達摩院醫(yī)療AI團隊負責人、IEEE Fellow呂樂認為，該工作以統(tǒng)一模型首次實現(xiàn)“一次調(diào)用即診斷八種最致命的癌癥”，在簡化AI模型復雜度的同時，保持較高的敏感度。這將為放射科醫(yī)生提供全面的AI輔助診斷支持，尤其在癌癥復發(fā)、遠端轉(zhuǎn)移等臨床場景發(fā)揮重要效用。

據(jù)了解，該模型的論文成果已被計算機視覺頂會ICCV 2023收錄，目前已在上海市第一人民醫(yī)院等多家合作醫(yī)院進行應用測試。

達摩院醫(yī)療AI團隊長期致力于醫(yī)學影像等方向研究，正在研發(fā)包括規(guī)模篩查、精準診斷、預后治療、響應評估在內(nèi)的全流程的癌癥診療技術，覆蓋多個重要病種。該團隊曾在新冠疫情初期研發(fā)出CT影像新冠肺炎AI輔助診斷系統(tǒng)，被科技部評為全國科技抗疫先進集體。

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。