CT检查中基于AI的相似病例检索技术
本技术介绍参考了以下链接
English
2018年02月13日
CT检查中基于AI的相似病例检索技术
广岛大学对该高精度检索技术进行了评估与验证
株式会社富士通研究所（注1）（以下简称，富士通研究所）与富士通研究开发中心有限公司（注2）共同开发出一种检索相似病例的技术。利用该技术，在CT（Computed Tomography：计算机断层扫描）检查中，可以从过去拍摄的CT图像数据库中检索到异常阴影的立体分布方式相似的病例。
开发背景
在图像检查中用CT检查疾病时，随着影像设备的复杂化，检测疾病的图像数量不断增加，导致医生的工作负荷日益加大。其中，患有一种称为弥漫性肺疾病的患病群体在胸部CT检查数量中占有相当大的比例，异常阴影会遍布肺部。由于该患病群体包含多种疾病，如间质性肺炎、肺气肿等，所以基于CT影像进行诊断的医生需要具有丰富的知识、经验，并且需要花费大量时间。为了提高影像诊断的效率，需要一种可以检索过去相似病例疾病名称、治疗信息的技术，以便为医生诊断病情提供参考。
课题
通常，当异常阴影集中在一个地方（如早期肺癌）时，医生可以利用传统技术，在某个截面图像上指定焦点区域，并检索与该区域相似的其他患者的截面图像。然而，对于异常阴影立体分布在整个器官上的弥漫性肺部疾病而言，通过该方法进行检索时，即使某些截面图像相似，但在立体视觉中并不一定相似，因此，需要医生重新确认三维相似度，占用了大量的时间。（图1）
图1 传统的相似病例检索
开发的技术
医生在判断病例相似性时，会将内脏器官分为末梢、中枢、上下左右等立体区域，观察各区域异常阴影的分布方式。此次，富士通着眼于此，开发了一种高精度检索技术，可检索立体分布方式相似的CT图像。该技术可以实现与医生相同的观察方法，通过对视觉上难以辨认边界的器官内部区域进行图像分析与自动划分，利用AI识别各区域内的异常阴影候选。其中，异常阴影候选识别技术是与富士通研究开发中心有限公司共同开发的。
图2 医生观察图像的方法
该技术首先通过机器学习从CT图像中识别异常阴影候选（图3（a））。然后，从CT图像中相对清晰的部分开始依次推断中枢和末梢的边界面，将肺划分为中枢区域和末梢区域（图3（b））。
其次，沿着上下方向的身体轴，将中枢与末梢区域中的异常阴影候选数做成直方图（图3（c）），并通过查看异常阴影的立体分布特征，来检索相似的病例。
图3 开发的相似病例检索技术
效果
在与国立大学法人广岛大学研究生院医齿药保健学研究科放射线诊断学研究室的粟井和夫教授的共同研究中，我们利用弥漫性肺疾病患者的CT图像进行了评估与验证。结果显示，在医生规定的正确答案中，检索结果前5位的相似病例检索准确率达到了约85％。以前，医生都是通过手工作业从文献档案等寻找相似病例的，利用该技术，可以大大提高医生的诊疗工作效率，医生判断病例的诊断时间最多可缩短至原来的约六分之一。
今后
该技术不仅可以诊断基于CT的弥漫性肺疾病，今后还可以用于头部CT、腹部CT以及MRI和超声波等其它图像的诊断。为了实现富士通株式会社的相关解决方案，提高医疗现场的工作效率，富士通研究所将继续对各种病例的CT图像进行实验与验证。
国立大学法人广岛大学研究生院医齿药保健学研究科放射线诊断学研究室
粟井和夫教授的评价
此次，我们从医学角度评价与证明了，基于新开发的技术可以检索异常阴影的特性、立体分布相似的CT图像。今后，在难以进行诊断和治疗的病例当中，我们可以通过检索相似的CT图像向医生提供临床上的有用信息，预期可以进一步提高诊疗工作的效率和精度。此外，在不久的将来，我们还将对具有相似形态的图像进行分组，通过调查这些群体内是否存在共同的遗传基因异常，提出新的疾病概念、或应用于多个临床领域，这是一项非常值得期待的技术。