机器学习和OCT结合用于早期结肠癌检测

圣路易斯华盛顿大学的研究人员正在开发基于深度学习的模式识别（PR）-OCT系统，该系统将自动执行图像处理并可能真正地提供准确的计算机辅助诊断结肠直肠癌时间。该技术将OCT和深度学习相结合，以检测正常和异常组织样本图像中的模式。研究人员于2017年开始使用OCT作为研究工具，对华盛顿大学医学院从患者身上切除的结直肠组织样本进行成像。生物医学工程学博士生曾一峰（Yifeng Zeng）观察到，健康的结直肠组织具有与牙齿相似的模式。然而，癌前和癌前组织很少显示这种模式。牙齿图案是由结直肠组织的健康黏膜微结构的光衰减引起的。

曾梵志开始与研究生Xuqiqi合作，训练视网膜神经网络模型RetinaNet，以捕获和学习人结肠OCT图像中的结构模式。研究人员使用从患者组织样本中20个肿瘤区域，16个良性区域和其他六个异常区域获取的大约26,000张OCT图像对网络进行了培训和测试。训练有素的网络成功地检测出识别正常和赘生性结直肠组织的模式。将PR-OCT系统预测的实验诊断与使用标准组织学进行的组织标本评估进行比较。与病理报告相比，该初步研究中PR-OCT系统能够以100％的准确性识别肿瘤。灵敏度为100％，特异性为99.7％。

PR-OCT成像方法可检测结肠癌（上图）和正常结肠组织的图像。 绿色框表示组织中预测的“牙齿”模式的概率得分。由Zhu Lab提供。

“我们系统的独特之处在于我们可以检测到图像中的结构图案，” Zeng说。“我们正在使用OCT成像，可以在所有正常组织中找到模式。然后，我们可以使用这种模式对异常和癌性组织进行分类，以进行准确的诊断。”研究人员正在开发一种导管，该导管可与结肠镜内窥镜同时使用，以分析结肠组织表面上的牙齿状图案，并提供从视网膜网到外科医生的癌症几率。“现在，我们可以在4秒钟内获得反馈，”曾说。 “随着计算速度和导管的进一步发展，我们可以向外科医生实时提供反馈。”

OCT可用于检测健康和患病组织折射光的方式差异，并且对癌前期和早期癌症的形态学变化高度敏感。随着PR-OCT系统的进一步发展，研究人员相信该技术可用于协助筛查位置较深的癌前息肉和早期结肠癌。朱Quing教授说：“我们认为，将这种技术与结肠镜内窥镜相结合，将对外科医生诊断大肠癌非常有帮助。”“有必要进行更多的研究，但是想法是，当外科医生使用结肠镜检查结肠表面时，可以将该技术局部放大，以帮助更准确地诊断较深的癌前息肉和早期癌症（相对于正常组织）。”