SAS BI合作阿姆斯特丹 UMC ：提高腫瘤評估的速度

473次閱讀

(1)客戶介紹

一家荷蘭的醫(yī)院。

(2)項目背景

腫瘤評估中的人類局限性

結(jié)腸直腸癌是全球第三大常見癌癥，約有一半的患者會擴散到肝臟。專門從事肝臟手術(shù)的 Kazemier 說，治療這類癌癥的最佳方法是將其切除。但是有些腫瘤太大無法切除，因此這些患者必須接受全身治療，例如化學(xué)療法來縮小腫瘤。

經(jīng)過一段時間的治療后，使用計算機斷層掃描 (CT) 手動評估腫瘤。那時，醫(yī)療專業(yè)人員可以查看腫瘤是否發(fā)生了縮小或外觀改變。腫瘤對全身治療的反應(yīng)方式，決定了是否可以進行挽救生命的手術(shù)，或是否需要其他化療方案。

這種人工方法會帶來許多挑戰(zhàn)。

對放射科醫(yī)生來說，評估腫瘤是一個耗時的過程。一次 CT 掃描通常只測量兩個最大的腫瘤 —— 如果一個病人有兩個以上的腫瘤，可能會錯過隱藏在剩余腫瘤中的重要線索。此外，人工評估容易產(chǎn)生主觀性，放射科醫(yī)生在評估方面會有差異。

Kazemier 表示，還缺乏 3D 評估。“腫瘤可能會縮小，但可能不對稱。這很難用人眼界定，”他解釋說。在其他情況下，腫瘤可能會改變外觀，這意味著流經(jīng)轉(zhuǎn)移病灶的血液更少 —— 這是全身治療有效性的積極跡象，這也是人類難以發(fā)現(xiàn)的。

這就會出現(xiàn)人為錯誤。不幸的是，由于人為因素的限制會發(fā)生誤診，誤診會使患者面臨危及生命的風(fēng)險，例如不必要的手術(shù)或化療。

(3)解決方案

阿姆斯特丹 UMC – 事實和數(shù)字

阿姆斯特丹 UMC 與 SAS 一起使用 AI 改變腫瘤評估。他們在 SAS 可視化數(shù)據(jù)挖掘和機器學(xué)習(xí)中，使用計算機視覺技術(shù)和深度學(xué)習(xí)模型，提高化療反應(yīng)評估的速度和準(zhǔn)確性。

數(shù)據(jù)科學(xué)家還利用 SAS Python 深度學(xué)習(xí) (DLPy) API 來創(chuàng)建深度學(xué)習(xí)模型。自動分割等功能可幫助醫(yī)生快速識別腫瘤形狀和大小的變化并記錄其顏色。

“我們現(xiàn)在能夠完全自動響應(yīng)評估，這確實是個很大的進步。”Kazemier說，“與人工操作相比，此過程不僅更快，而且更準(zhǔn)確。”

該項目首先用 52 名癌癥患者的數(shù)據(jù)訓(xùn)練一個深度學(xué)習(xí)模型，再對 1380 例轉(zhuǎn)移病灶的每個像素點進行分析和分割，這能夠教會系統(tǒng)如何立即識別腫瘤特征并與醫(yī)生共享重要信息。

先前的評估方法限制了醫(yī)生的視野，但 AI 模型提供了腫瘤總體積和每個腫瘤的 3D 表示，使醫(yī)生可以更準(zhǔn)確地確定是救生手術(shù)可行，還是應(yīng)選擇其他治療策略。

“AI 能幫助我們挽救生命......我很確信這一點。” Kazemier 說。

為癌癥研究人員準(zhǔn)備的高級分析

在診所外，SAS 平臺也可供 1100 多名阿姆斯特丹 UMC 癌癥研究人員使用，以加強其研究工作。SAS Visual Analytics 使他們能夠快速發(fā)現(xiàn)隱藏的趨勢，而 SAS Visual Statistics 提供的強大工具可用來執(zhí)行高級分析和預(yù)測建模。

此外，SAS Viya 支持在臨床環(huán)境中將原始圖像自動轉(zhuǎn)換為客觀指標(biāo)。這種自動化將為放射科醫(yī)生節(jié)省大量時間，同時減少危險的漏報和誤報數(shù)量。

通過在 SAS Viya 上運行這些解決方案，阿姆斯特丹 UMC 為研究人員提供了一個開放的分析平臺，以進行協(xié)作并更快地獲得創(chuàng)新成果。現(xiàn)在，無論其數(shù)據(jù)技能或編碼語言偏好如何，致力于改善患者健康的生物學(xué)家、醫(yī)生、醫(yī)學(xué)生、甚至是業(yè)務(wù)分析人員都可以從分析中受益。

“很多使用 SAS Platform 的人員并沒有接受過分析或數(shù)據(jù)科學(xué)培訓(xùn)，”Kazemier 表示，“對我們而言，這是分析的下一個階段，我看到了無限機遇。”

可解釋的 AI

Kazemier 認(rèn)為，如果要徹底改革醫(yī)療保健體系，AI 技術(shù)必須透明、開放。“如果創(chuàng)建算法幫助醫(yī)生制定決策，那么算法的實際作用應(yīng)該可以解釋，”他表示，“設(shè)想一下，如果一個算法的計算結(jié)果對患者不利，而醫(yī)生照此行事。那么后果將如何？不止是人會犯錯。”

在臨床環(huán)境中持續(xù)部署分析，其中的一個關(guān)鍵因素是為醫(yī)療保健的決策管理確立一個端到端可審計的透明流程。SAS Platform 概述了每種分析的執(zhí)行方式，以便醫(yī)生輕松跟蹤其模型和算法。人類和機器之間的這種改良的合作使得人們更加信任 AI。正是 SAS 的這種透明度吸引了 Kazemier。

“我們需要一種可解釋的模型，且仍能維持較高水平的學(xué)習(xí)性能，”他表示，“SAS 是我們目前所接觸到的最可靠的解決方案。”