技術(shù)創(chuàng)新正在變革醫(yī)療與健康產(chǎn)業(yè)，雷鋒網(wǎng)持續(xù)關(guān)注醫(yī)療領(lǐng)域出現(xiàn)的軟硬件創(chuàng)新，包括設(shè)備、數(shù)據(jù)，抑或?qū)λ麄兊膭?chuàng)新運用。目前我們在招募醫(yī)療健康領(lǐng)域作者，負責采寫報道醫(yī)療科技領(lǐng)域的企業(yè)與牛人。簡歷投遞至zhangchi@leiphone.com，或加微信nksimons撩。

長期以來，醫(yī)生都是用肉眼查看醫(yī)學圖像，來確定癌癥治療過程。不過來自Fraunhofer醫(yī)學圖像計算研究所的研究人員開發(fā)的軟件，可以提示圖片中的變化，用深度學習加速診斷過程。

在治療過程中，醫(yī)生需要回答腫瘤是否有收縮，是否有新的腫瘤發(fā)展，這樣的問題。為此他們通常會進行CT和MRI掃描，然后觀察圖像進行評估。這一過程中難免出現(xiàn)差錯，但軟件可以確實腫瘤的體積如何隨著時間的變化而變化，并幫助檢測新腫瘤。這種新的程序由模塊化的處理組件組成，可以幫助醫(yī)療技術(shù)制造商自動監(jiān)測進度。

計算機自己學習

程序使用了深度學習技術(shù)，它有助于圖像分割，期間專家會指定出精確的器官輪廓?，F(xiàn)有的分割程序會根據(jù)清晰的圖像特征來完成這一過程，比如一定的灰度值。但這往往會產(chǎn)生錯誤，比如軟件會將不屬于某一器官的區(qū)域分給它。這些錯誤要由醫(yī)生來糾正，但通常很耗時。

新的深度學習方法則可以改善結(jié)果，節(jié)省時間。研究人員用149個患者的CT肝臟圖像訓練軟件，結(jié)果表明，程序分析的數(shù)據(jù)越多，就越能自動識別出肝臟輪廓。

新方法的另一應用是圖像配準，即軟件會將不同條件下患者的圖像進行匹配，方便醫(yī)生進行比較。機器學習可以幫助定位軀干中的骨轉(zhuǎn)移 (原發(fā)于身體其他部位的惡性腫瘤，通過各種途徑轉(zhuǎn)移至骨骼并在骨內(nèi)繼續(xù)生長所形成子腫瘤)，這都是極困難的任務。目前，這種轉(zhuǎn)移往往會因為臨床診斷的時間限制而被忽視，但深度學習方法能幫助盡早發(fā)現(xiàn)，提高治療效果。

現(xiàn)在，機器學習在醫(yī)療上的應用已經(jīng)很普遍，有商業(yè)醫(yī)療軟件加入了這類圖像配準算法。雷鋒網(wǎng)曾介紹了12家用機器學習與癌癥作戰(zhàn)的公司，除了影像診斷，還涉及藥物挖掘和風險預測等。或許，以后數(shù)據(jù)也會成為新的治療“藥方”。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。