数据变“药方”，深度学习可以追踪肿瘤发展

技术创新正在变革医疗与健康产业，雷锋网持续关注医疗领域出现的软硬件创新，包括设备、数据，抑或对他们的创新运用。目前我们在招募医疗健康领域作者，负责采写报道医疗科技领域的企业与牛人。简历投递至zhangchi@leiphone.com，或加微信nksimons撩。

长期以来，医生都是用肉眼查看医学图像，来确定癌症治疗过程。不过来自Fraunhofer医学图像计算研究所的研究人员开发的软件，可以提示图片中的变化，用深度学习加速诊断过程。

在治疗过程中，医生需要回答肿瘤是否有收缩，是否有新的肿瘤发展，这样的问题。为此他们通常会进行CT和MRI扫描，然后观察图像进行评估。这一过程中难免出现差错，但软件可以确实肿瘤的体积如何随着时间的变化而变化，并帮助检测新肿瘤。这种新的程序由模块化的处理组件组成，可以帮助医疗技术制造商自动监测进度。

程序使用了深度学习技术，它有助于图像分割，期间专家会指定出精确的器官轮廓。现有的分割程序会根据清晰的图像特征来完成这一过程，比如一定的灰度值。但这往往会产生错误，比如软件会将不属于某一器官的区域分给它。这些错误要由医生来纠正，但通常很耗时。

新的深度学习方法则可以改善结果，节省时间。研究人员用149个患者的CT肝脏图像训练软件，结果表明，程序分析的数据越多，就越能自动识别出肝脏轮廓。

新方法的另一应用是图像配准，即软件会将不同条件下患者的图像进行匹配，方便医生进行比较。机器学习可以帮助定位躯干中的骨转移 (原发于身体其他部位的恶性肿瘤，通过各种途径转移至骨骼并在骨内继续生长所形成子肿瘤)，这都是极困难的任务。目前，这种转移往往会因为临床诊断的时间限制而被忽视，但深度学习方法能帮助尽早发现，提高治疗效果。

现在，机器学习在医疗上的应用已经很普遍，有商业医疗软件加入了这类图像配准算法。雷锋网(公众号：雷锋网)曾介绍了12家用机器学习与癌症作战的公司，除了影像诊断，还涉及药物挖掘和风险预测等。或许，以后数据也会成为新的治疗“药方”。

本文作者：张驰

本文转自雷锋网禁止二次转载，原文链接