清华大学、智源研究院和协和医院合作开发的SonoBreast模型，利用超声影像预测乳腺癌分子亚型，准确率提升至76%，有助于无创、快速的临床决策。该模型通过深度学习技术，尤其是VGG-19网络，处理超声图像，改善数据预处理方法，以实现更精准的预测。未来计划通过联邦学习扩大数据集，并举办机器学习竞赛推动研究进展。
文：贾伟
使用AI技术来检测乳腺癌，如今已有诸多研究，但大多是基于磁共振、乳腺X线影像进行预测。而超声是中国女性乳腺癌筛查的主要方式。如何利用好超声影像，进行乳腺癌筛查，并对乳腺癌做分子亚型分类，是中国AI医疗领域一个重要且有待拓展的方向。
清华大学、北京智源人工智能研究院以及北京协和医院的研究团队在这一方向进行合作，在2020年 6月份曾发布一项基于VGG模型，对超声影像进行良/恶性检测 及分子亚型分类的深度神经网络模型SonoBreast，当时模型在乳腺癌分子分型上的准确率为56.3%，F1 Score为45.8%。
研究团队经过数月对数据集预处理算法和训练模型的改进，根据近期公布结果，这一模型的分子分型准确率提升了近20个点，达到 76%；而在二分类问题上可以达到93%的准确率。
从临床的角度来看，这些结果距离使用还有很远的距离，但却代表了几个新颖的研究路径：
尝试使用超声图像，由于超声检查具有无创、简便、动态等优点，能让模型更简便、具有普遍适用性；
进行分子亚型检测而非仅仅良/恶检测。分子亚型的检测，使用肉眼往往是无法分辨的，但对
最低0.47元/天 解锁文章
扫一扫
28
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
