能源經濟及策略、新及再生能源、火力、核能及核設施除役、原子科技及民生應用的專業資訊平台



光學斷層掃描與機器學習結合更能早期發現大腸癌

出處 WUSTL 作者 劉聖哲摘譯 年份 2020/02/05
報告類型 新聞報導 分類 原子科技及民生應用 資料時間 2020年2月
原始連結 原始連結

       根據「聖路易斯華盛頓大學(Washington University in St. Louis)」校方近日發佈的一份報導:該校「麥基爾維工程學院(McKelvey School of Engineering)」生物醫學工程教授Quing Zhu,和他所指導的博士生Yifeng Zeng,近日共同開發出一種結合「光學斷層掃描(optical tomography, OCT)」以及「深度學習(deep learning)」的新造影技術,可即時準確地提供計算機輔助之大腸癌診斷,並稱與病理報告相比,以新技術識別出腫瘤的準確率達到100%。這項研究的結果也即將在《診療學(Theranostics)》期刊上發表。

       大腸癌是全球第二大最常見的癌症,大約90%病例發生在50歲以上的人群中。癌細胞是從結腸(colon)的內表面或者粘膜層產生的,而且會穿透結腸而擴散到其他器官,若未及時發現治療是會致命的。目前大腸癌主要篩檢工具是柔軟具彈性的管狀大腸鏡,篩檢過程中,醫生藉由安裝在大腸鏡上的攝影鏡頭對結腸和直腸粘膜層進行目視檢查,然後對出現異常的區域採集活體組織檢體做進一步分析。雖然這是標準的醫療程序,但確實有缺點存在。首先,現行技術依賴視覺檢測,但肉眼是很難檢測到小病變的,因此經常會漏掉早期惡性腫瘤;其次,視覺檢查也只能檢測腸壁表面變化,深層部分則檢測不到。

       不過WUSTL的研究人員早已經注意到在眼科領域裡,用來拍攝視網膜影像已歷20年的OCT技術能對高達1至2毫米(mm)深度的組織提供高空間、高深度解析度的影像;此外,OCT可偵測來自健康組織或病變組織之反射光的差異;對癌症前期及早期癌症之組織型態變化,OCT也能很敏感的判別出來。因此,研究人員對OCT進一步發展,將它與傳統的大腸鏡結合起來,成為即時、無創的造影工具,以協助篩檢位置較深的癌前息肉(precancerous polyps)和早期大腸癌。

       此外為降低肉眼視覺檢測失誤,研究人員自患者20個腫瘤區域的組織樣本中獲取約26,000張OCT影像,來訓練與測試「RetinaNet」(一種模擬神經元複雜連結以處理資料的大腦神經網路模型)去學習識別大腸組織樣本影像圖案的模式,期待它能夠協助大腸癌之診斷。在兩位病理學家的協助下,研究人員將RetinaNet預測診斷之結果與以標準組織學(histology)評估組織檢體的結果進行比較,發現此模型能提供非常精準之診斷預測,其敏感性為100%、特異性為99.7%。

       現在研究團隊正繼續開發一種可與大腸內視鏡同時使用,以即時分析大腸結腸組織表面上圖案模式的導管。未來隨計算機計算速度和導管之更進步,此系統將可更即時地協助外科醫生做出診斷。

圖說:圖案辨識OCT的檢測結果:(A)(B)是正常的結腸影像,綠色框內看起來像「齒狀」的圖案代表健康的模式,對應的分數標在底部;(C)是罹癌結腸的影像;(D)長有息肉的結腸影像;(E)對治療有效(treated complete responder)的結腸影像; (F)對治療無效(treated non-responder)的結腸影像。

(Source: Yifeng Zeng et. al., Real-time colorectal cancer diagnosis using PR-OCT with deep learning. Theranostics 2019; advance online publication. doi:10.7150/thno.40099)