发布日期：2018-05-21
一组来自考纳斯科技大学（KTU）的研究人员正在开发数学方法用于诊断乳腺癌。通过使用深度学习，研究人员试图教会电脑识别恶性肿瘤部位，这可以将乳腺癌诊断过程部分自动化，同时提高准确率。
图片来源：KTU
2014年，欧洲约有9.35万人死于乳腺癌，其中大部分是女性（92500）。而在女性中，乳腺癌造成的死亡占3.7%。根据WHO的数据，每年全球有超过100万人被确诊患乳腺癌。而国际医疗专业团队则警告这种癌症的发病率在逐年上升，过去15年立陶宛的发病率上升了75%。
为了更好地治疗病人，早期诊断是关键。“癌症诊断过程中医生通常依靠视觉信息——分析组织影像以确定病灶的恶性程度。这个过程很耗时间，而且还可能发生误诊，而误诊对癌症患者而言是致命的。通过开发用于诊断的数学模型，我们想将诊断过程自动化，以此将误诊率降到最低。”KTU的博士后研究员Tomas Lesmantas博士说道。
为了诊断乳腺癌，他引入了一种由深度学习之父、英国科学家Geoffrey Hinton创立的神经网络方法。Iešmantas博士及其博士后合作导师Robertas Alzbutas教授分析了波尔图大学提供的一百余张乳腺组织的微观图像，包括四种：非肿瘤组织、非恶性肿瘤组织、非侵入性癌和侵入性癌。目的就是设计一种数学模型用于区分以上四种组织。
“初步结果很鼓舞人心——我们的准确率达到了85%。”KTU研究人员说道。
他将在葡萄牙举行的15届影像分析和识别大会上展示他们的结果。Iešmantas表示，尽管近年来数学方法在医学领域的应用已经有所扩展，研究人员也在训练计算机诊断肺部损伤、识别淋巴结转移灶以及脑部肿瘤定位，但是在短期内肿瘤诊断还是不可能完全自动化的。
“这些研究并不仅仅是在理论水平进行的，一些研究中的方法已经在临床应用。尽管数字化不可能取代人类判断，但是我相信自动化计算机诊断将变得越来越常见，将帮助我们更准确地诊断某些癌症。”
参考资料：
Mathematical methods for diagnosing breast cancer
来源：生物谷
