數據變“藥方”，深度學習可以追蹤腫瘤發展

技術創新正在變革醫療與健康產業，雷鋒網持續關注醫療領域出現的軟硬件創新，包括設備、數據，抑或對他們的創新運用。目前我們在招募醫療健康領域作者，負責采寫報道醫療科技領域的企業與牛人。簡歷投遞至zhangchi@leiphone.com，或加微信nksimons撩。

長期以來，醫生都是用肉眼查看醫學圖像，來確定癌癥治療過程。不過來自Fraunhofer醫學圖像計算研究所的研究人員開發的軟件，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，醫生需要回答腫瘤是否有收縮，是否有新的腫瘤發展，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，可以幫助醫療技術制造商自動監測進度。

計算機自己學習

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

新的深度學習方法則可以改善結果，節省時間。研究人員用149個患者的CT肝臟圖像訓練軟件，結果表明，程序分析的數據越多，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，方便醫生進行比較。機器學習可以幫助定位軀干中的骨轉移 (原發于身體其他部位的惡性腫瘤，通過各種途徑轉移至骨骼并在骨內繼續生長所形成子腫瘤)，這都是極困難的任務。目前，這種轉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現，提高治療效果。

現在，機器學習在醫療上的應用已經很普遍，有商業醫療軟件加入了這類圖像配準算法。雷鋒網曾介紹了12家用機器學習與癌癥作戰的公司，除了影像診斷，還涉及藥物挖掘和風險預測等。或許，以后數據也會成為新的治療“藥方”。

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。