人工智能在前列腺癌MR诊断中的应用令人期待

  目前，市场上有一些公司致力于图像机器学习，乳腺癌和肺癌等的影像辅助诊断较为成熟，但对于前列腺癌这一细分领域成熟产品较少。近期，由北京大学生物医学跨学科研究中心、北京大学医院合作开发的基于智能图像识别和深度学习的前列腺癌MR智能辅助诊断系统开始进行临床研究，正在应用全国十余个省份的二十多家医院的数据检验其效能。

前列腺MR诊断对医生经验要求较高

据世界肿瘤协会公布的数据，前列腺癌是欧美老年男性中发病率的恶性肿瘤，近年来在中国的发病率不断升高。大量数据表明，前列腺癌好发于中老年人，患者平均发病年龄在65岁以上。

前列腺癌的早期诊断和分期非常重要，目前对于广泛采用的多参数磁共振影像数据的解读是一个技术难点，磁共振图像包含多种对比的图像，每类图像可以提供不同的诊断信息，需要医生有丰富的经验，才能综合利用这些信息作出准确的解读。

前列腺MR（磁共振）图像里，有时炎症、增生与肿瘤的表现类似，要求非常有经验的医生才能鉴别。实际上，有经验的医生对这些疾病的鉴别平均准确率也常不超过70%。更重要的是，MR的任务不是检出“癌”，而是检出“临床显着癌”，需要长时间、大样本量的训练，才能积累一定的诊断经验。而通过机器辅助诊断的方式可以在短时间内“学会”识别癌灶，辅助医生做出判断。

智能辅助诊断可帮助识别前列腺MR图像中的肿瘤

前列腺癌MR智能辅助诊断系统是一款智能学习和诊断的平台。该平台运用了人工神经网络的技术，从MR图像数据中挖掘出有用信息，让计算机可以从中“学到”肿瘤的影像表现。专家对这套智能系统进行“训练”，通过图例和诊断结果来培训计算机，经过这种训练后，计算机就可以半自动地阅读图像。

在多参数磁共振影像中，通过提取图像中有用特征，找到有可能是肿瘤的区域，做出肿瘤的风险预测。预测结果以概率地图的方式呈现，可以直观地帮助医生做出诊断。经过与病理结果的对照，证实了这种方法的准确性和有效性。

在前列腺癌MR智能辅助诊断系统的帮助下，影像科医生的阅片时间有可能显着缩短。未来会在云数据平台的基础上，多中心的影像数据可以不断积累和优化，而通过大量数据对该智能系统的训练，前列腺癌智能诊断平台的诊断能力会越来越强。