记得 4 年前我做的 AI 乳腺平台吗？这是我的新项目

[coolwulf]

4 年前，我在这里发帖介绍了我利用 AI 进行乳腺肿瘤检测和分类的一些工作。
https://www.v2ex.com/t/462641#reply303
那个帖子在 V2 上获得了一些关注，我希望你会喜欢我在这里再次介绍的这个帖子。

近年来，我一直在将我的注意力从癌症检测转移到实际治疗上。
我们真正想解决的一个问题是让更多的脑癌患者能够接受立体定向放射外科治疗（ SRS ），与全脑放疗（ WBRT ）相比，SRS 的治疗效果更好，患者的生活质量（ QoL ）也更好，因为全脑放疗对于多发性脑病患者（比如超过 5 或 10 个）来说更常见。

这背后的原因是，医生或神经外科医生在为多发性脑病患者进行 SRS 手术时确实需要付出很多努力，因为每个病灶都需要正确的轮廓 /标记 /追踪，而且医学物理学家也需要为这类多发性病灶病例的治疗计划付出很多努力。对于 10 或 20 个以上的脑转移瘤患者，通常没有足够的资源来帮助他们。

因此从 2019 年开始，我们与美国西南医学中心和斯坦福大学合作，试图解决这个问题。此后，我们开发了自动勾画 /标记脑转移瘤病灶的模型，与 OAR （ Organ-at-Risks ）一起，我们还开发了基于 SVM-放射组学的快速减少假阳性的模型。此外，我们还开发了基于优化辐射剂量图的快速分割多个病灶到不同治疗疗程的模型。
这项工作将于明天在 2022 年 AAPM 春季临床会议上由我们在斯坦福大学的合作者发表
https://w4.aapm.org/meetings/2022SCM/programInfo/programAbs.php?sid=9476&aid=60551

我们正在加快步伐，试图让整个 SRS 社区很快就能使用这项技术和平台。

我们真的希望这个平台能让更多的病人接受 SRS 手术，而不是残酷的全脑 RT 。我们发现病人每隔几个月就会回来做 SRS 手术，以延长他们的生活质量（与 WBRT 相比，WBRT 是一生一次的治疗，当病人在 3 个月后出现复发时，就没有其他治疗方法了）。
希望你喜欢这项工作。

https://preview.redd.it/o49n1oq4rzp81.png?width=2094&format=png&auto=webp&s=6fd47fc9d3e3daf947ec9f3bb92c4720e3891325

https://preview.redd.it/3hh70oq4rzp81.png?width=2108&format=png&auto=webp&s=5793caaf7da18f4d1d6cace8bed0c92dde2b7935

https://preview.redd.it/cnt019r4rzp81.png?width=1640&format=png&auto=webp&s=7f3345c2af58fa052438575651cb0b90ff8d3a01

https://preview.redd.it/xbtkhar4rzp81.png?width=1580&format=png&auto=webp&s=3f250af13dff5b6160cc6420e73f9db38168abb6

[l1ve]

加油。

[Willjim]

一晃眼就四年了，加油

[murmur]

楼主的方向就错了，20%的误诊不应该由机器学习决定，是要做穿刺检查的，穿刺是金指标，再好的影像学也没直接穿组织来的准

90%这个数字在论文上很准确，在国内，必须做到 99.999 ，1%的误诊就足够断送医生的前程

[redtech]

@murmur 疾病治疗的要求真的太高了 但是还是鼓励 op 在这个方向努力 加油

[murmur]

国内的研究和国外的研究不一样，国外比较热衷机器检查，是因为别人的医患关系比较和谐，法律警察管着，而且排公医比较麻烦

国内预约个 ct 、x 光、磁共振太容易，比如肺结节，5mm 切还是不切，你想观察太容易了，扫个 ct 当天预约第二天扫第三天拿报告，一年可以照几回，不就是躺床上一分钟出来么，你想切也可以，基本上俩星期连检查入院都给你切了，啥影像学也比不上病理学准确。

最大的问题是很多人不知道体检，都发现问题了还不去医院，也到不了 x 光的问题

何况乳腺检查不止 x 光，貌似还有 b 超和磁共振吧，磁共振这玩意国内都有点难约，国外拿磁共振查乳腺是不是也有点离谱

[cssk]

@murmur 国内的确幸福，想看啥科看啥科，想做啥检查做啥检查，费用也不贵，香港公立医院排个胃镜等 1 年，排个泌尿科等 3 年

[heqing]

看了楼主做的几个项目，都是需要强大的算力、海量的数据，有商业上成功的案例吗？好奇楼主靠什么支持这么长时间的大量资源投入

[bapaws]

加油

[anyclue]

要不要控制下图片宽度啊，这样好难看啊 @Livid

[robinchina]

加油···

[kaishi123]

一晃眼就四年了，加油

[auh]

牛

[sadfQED2]

虽然我看不懂这是干啥的，不过我觉得比我天天写这些垃圾业务代码有意义一点

[c4fun]

我看不懂，但是大受震撼

[oneisall8955]

楼主好强！我看不懂，但是大受震撼

[sumstain77]

乳腺癌其实也有类似的问题。当对位于乳腺的原发灶进行活检判断为恶性后，会对腋窝的淋巴结进行清扫（ ALND 手术），但会有挺多并发症的。目前临床上的研究方向是能否通过对头几个与乳腺相连的淋巴结（也叫前哨淋巴结）进行活检手术（ SLNB 手术），如果它们的状态符合标准就不需要进行全部切除了。这是建立在已经对乳腺癌转移路线有较清晰认识的前提下进行的研究。楼主的模型想要达到实用的标准，其实要在保证敏感性非常高的前提下尽可能提升阴性区域预测值。据我了解，放疗靶区勾画的算法和软件已经有国内的医院在使用了，是个挺好的方向。

[miscnote]

ai 落地太难了。我们有个 ai 检测项目在 9 家医院部署了，然而，结果也只是作为参考，医生还是要自己去判断一遍。

[sumstain77]

顺便蹲一个医学图像分析的岗位 😂 有的话请联系我

[Pika666]

OP 大佬好，打扰一下～
我是一名三甲医院的影像医学中心医生，除临床诊疗外，主要研究方向是基于医学影像的人工智能，我也创建了一个关于医学影像人工智能科研方面的论坛 https://radiomicsworld.com/ ，我院影像中心已有乳腺结节、肺结节、骨折、脑出血、肝余量、动脉提取等多套 AI 系统部署并由我负责运维护对应的 linux 服务器，我所在医院的年门诊量在全国 TOP100 ，影像检查量日均一千五百余人次，本院乳腺肿瘤外科床位 200+张、0%空置率。
本人同时为本院影像中心的科室信息和伦理委员会负责人，可以较为随意的导出匿名化的原始 DICOM 数据，若 OP 大佬有做多中心研究的需要，并且有论文发表的计划及空缺的次要作者，可以随时联系我。
Wechat：dGlueXBpa2E= （备注 V2EX ）

[Pika666]

@miscnote 其实也不尽然，我们医院的肺结节、乳腺结节、骨折、骨龄的四套 AI 系统极大的减轻了医生工作量，现在例如推想、深睿和杏脉的做的比较成熟的 AI ，False Negative Rate 已经低到一个非常令人满意的水平了，比多数规培医生和专硕研究生可靠一些，哈哈哈，原本我们医院体检中心的胸部 CT 我们要 3-5 分钟才能阅完薄层图像，现在有 AI ，我们只用粗筛一遍有没有可疑的 GGN 和其他非结节性病变即可，诊断时间缩少到原来的 40%左右。

[Pika666]

@murmur 国内比较好的医院在乳腺癌的筛查和治疗前后评估中 MRI 的应用很普遍，在指南中也有很明确的适应症，动态增强和一些基于扩散加权的功能成像对于判断肿瘤性质、评估肿瘤异质性和侵袭性有很明确的帮助。


中国抗癌协会乳腺癌诊治指南与规范（ 2019 年版）
10.19401/j.cnki.1007-3639.2019.08.009

4.1.1 乳腺癌的诊断
当乳腺 X 线摄影或超声影像检查不能确定病变性质时, 可以考虑采用 MRI 进一步检查。

4.1.2 乳腺癌的分期
由于 MRI 对浸润性乳腺癌的高敏感性, 有助于发现其他影像学检查所不能发现的多灶病变和多中心病变, 有助于显示和评价癌肿对胸肌筋膜、胸大肌、前锯肌以及肋间肌的浸润等。在制定外科手术计划之前, 考虑保乳治疗时可进行乳腺增强 MRI 检查。

4.1.3 新辅助化疗疗效的评估
对于确诊乳腺癌进行新辅助化疗的患者, 在化疗前、化疗中及化疗结束时 MRI 检查有助于对病变化疗反应性的评估, 对化疗后残余病变范围的判断。

4.1.4 腋窝淋巴结转移, 原发灶不明者
对于腋窝转移性淋巴结, 而临床检查、X 线摄影及超声都未能明确原发灶时, MRI 有助于发现乳房内隐匿的癌灶, 确定位置和范围, 以便进一步治疗, MRI 阴性检查结果可以帮助排除乳房内原发灶, 避免不必要的全乳切除。

4.1.5 保乳术后复发的监测
对于乳腺癌保乳手术 (包括成形术) 后, 临床检查、乳腺 X 线摄影或超声检查不能确定是否有复发的患者, MRI 有助于鉴别肿瘤复发和术后瘢痕。

4.1.6 乳房成形术后随访
对于乳房假体植入术后乳腺 X 线摄影评估困难者, MRI 有助于乳腺癌的诊断和植入假体完整性的评价。

4.1.7 高危人群筛查
MRI 在易发生乳腺癌的高危人群中能发现临床、乳腺 X 线摄影、超声检查阴性的乳腺癌。

[shunia]

这一下子就给我拔高了，我都不自觉起立了

[watermelon92]

记得，起立鼓掌。

[x340]

记得，OP 还是厉害

[patrickyoung]

起立鼓掌。发送感谢。正是因为有你们这样的人在一直努力为人类共同的美好构建一个光明的未来，世界才如此美好。

相比之下，最近的上海，让人伤心。

[murmur]

@Pika666 那最后还不是要医生签字，就国内的医患关系，真的有医生敢不自己阅片，直接用 AI 的结果么

[lj394139]

很强，也打算往 AI 医疗转了

[moxuanyuan]

来自 D 版带着爱

[Pika666]

@murmur 阅片肯定是自己要过一遍的，但是粗看和细看的工作量是完全不同的啦。最典型的就是肺结节，在假阴极低的情况下，AI 筛过的影像，医生只会着重的看一些纵隔、肺门、肺间质、胸廓骨质病变，而不用每一层面都仔细寻找小结节，这也是现阶段广泛应用的医学影像 AI 的主要作用。

[hunter0122]

@Pika666 大佬请教个问题。本人想往 ai 结合医学影像方向考研，是需要从本科开始就是医学相关专业吗。然后，请问您有哪些院校可以推荐的吗？

[Pika666]

@hunter0122 生物医学工程，医学技术大类，甚至计算机科学 CV 、DL 领域都可以的，因为 AI 结合医学影像本就是跨学科的专业。院校就不了解了，毕竟俺只是一个普通医生

[coolwulf]

@hunter0122 University of Michigan 或者 University of Wisconsin 的医学物理专业

[baitongyu]

@coolwulf OP 您好，看到这条推文心里十分敬佩。我是一个国内科技互联网媒体的编辑，粉丝里面也有很多医疗和程序行业的工作者，想让您的这些医疗项目帮助更多的人，不知道您是否愿意接受采访？期待回复！（翻了以前的评论区，找到了您的联系方式，擅自添加了，如有冒犯请见谅！）

[JokerLiang]

加油。

[catzilla]

> Not all heroes wear capes:")
>
> “ 不是所有英雄，都披着披风 ”。

[190118aaa]

> Not all heroes wear capes:")
给大佬跪了

[ariza]

respect.

[missdeer]

牛逼牛逼，膜拜大佬，造福人类

[ch4wt]

@coolwulf ,看到你做的课题，很有意义，我们有 10000 张 Nvidia 的 A100 的 GPU 卡，可以赞助你一部分用来做前沿的有意义的研究，如果需要的话可以联系我 [e-mail] ，了解我们的话可以看官网：www.high-flyer.cn

[Leo]

敬佩 OP 在做的事情，关注了

[HyperDurian]

佩服!

[Fule]

看到了真的科学研究和进步！

[Nostalghia]

@Pika666 我研究生期间做过基于 CT 的肺结节检测项目，感觉只是发文章时准确率好看，落地效果普遍不好，当然我做的纯学术方向没接触到真正的商业 AI ，所以想请教几个问题：1) 那些较成熟的 AI 会不会在假阴性很低时假阳性率很高，要医生再排除一遍？ 2)贵院用的 AI 是不是专门定制的，用自己提供的图像和标签进行训练？ 3)AI 使用时是医生挑几张图片输入，还是整个原始 DICOM 数据一起输入？我猜是前者，但是用 2D 图像容易高假阳性，3D 数据的话理论上能达到更好的效果，但是模型复杂度和运算量太大。

医疗图像检测方向有个很蛋疼的点，就是模型泛化性不好，一个数据集训练出来的模型，换一个数据集就不行了，同样是 CT 图像，不同型号的机器拍出来的噪声、像素值范围不一样，只能靠经验选择图像预处理阈值，所以我觉得 AI 商业化比较靠谱的方法是专门定制。

还有个最根本性的痛点，我们根本不知道 AI 提取出来的特征是什么，以为提取的是结节纹理特征，实际可能是噪声的特征，只是刚好在这个数据集上管用，这种黑箱子特性决定了医疗 AI 只能是辅助性工具，不可能代替医生的。我比较看好一些解释性强、简单但量大枯燥的医疗辅助工具，比如检测胸腔 CT 中较孤立的小型球状组织，再让医生诊断是不是结节。

[Pika666]

@Nostalghia 我院在我的建议下先后试用过杏脉、推想、医准、深睿的 AI 产品，他们的主打产品都是肺结节识别，正好我们医院是区域的体检中心，每天的肺部 CT 体检筛查量很大，所以没有什么阻力就引进了。

他们的算法是封装起来的，例如最后我们决定买的是深睿，他们的服务器是定制的 unbuntu 系统主机，配置我看了就是 2*GTX1080 ，所以说模型的优化应当是非常棒的。AI 输入端内容是完整的 DICOM ，分析的是组学特征，不仅仅是 2D 纹理特征，因为我也在做影像组学科研相关的研究，所以稍微懂一些，你应该不是医学方向的学生，AI 分析结果展示出来权重比较高的特征大多是有很多文献证实了、或者是理论上推演有用的特征。



商业应用公司他们的模型泛化能力相当强，我院的数据是不外传的，全部在内网中隔离，他们的算法是拿过来开箱即用，我问过他们大区总工程师，是跟合作医院用接近百万级别的数据喂出来的。我们签购买合同的时候，有一条，如果经伦理通过同意回传匿名 DICOM 和标注标签到一定量，他们的服务器主机甚至可以免费送给我们，当然医院采购不缺钱我就没要。

目前使用的体验也是很好的，我们医院的体检胸部 CT 筛查基本是以 AI 为主，医生花上 3-5 分钟通览一下图像跟 AI 结果对比，筛查有没有明显的肿块、非典型病变比如胸腺瘤、心脏大血管等系统的漏诊，微小结节、炎症、胸廓骨折这些细节都可以交由 AI 代劳，我们一个月的体检 CT 量大概在一万左右，运行了两年，目前确认 AI 漏诊 LUNG-RADS 3 类以上结节的只有三例，这个 FN 率已经比人类医生低出两个数量级了，所以上、下级医生都很放心。

[Nostalghia]

@Pika666 非常感谢大佬！长见识了，看到用百万级别的数据训练我就懂了，真·大力出奇迹，不是我们这些实验室里鼓捣出来的能比的，我们的病例一千就到顶了。

[ShuA1]

@Nostalghia 病例的问题可以寻找一些医院和研究所进行合作。

[chichux]

从科技爱好者周刊来膜拜大佬，先收藏、感谢、回复，再认真学习！！！

[ohiu]

慕名赶来，感谢你所做的付出

[shew2356]

刚看到差评君的分享视频，过来支持楼主~

[odnmdgb]

@shew2356 我也是

[leonard916]

@shew2356 我也是 看完他的视频就过来找了

[tzzhmmt]

@leonard916 同 :)