由达斯汀霍夫曼主演的电影《雨人》中获得奥斯卡奖的表演已经过去了30多年，这部电影也定义了许多人印象中“自闭症”这一概念。电影上映时，公众对自闭症没有广泛的理解：在一个令人难忘的场景中，霍夫曼的角色被一位从未听说过“自闭症”这个词的精神科护士照料。

从那时起，我们对自闭症的认识和理解广泛增加。随着影视中对自闭症患者的大力宣传和更加多样化的描述，科学打开了新的大门，拓宽了我们对于这种影响了美国1/54的儿童（根据美国疾病控制和预防中心的数据）的疾病认知。

现代技术使研究人员能够更详细地探索发育障碍背后的分子机制。

基因技术特别揭示了自闭症背后的生物学特征，并使病情更加清楚。在一篇庆祝《人类分子遗传学杂志》创刊 30 周年的文献综述中，来自UCLA Health医疗中心的Daniel Geschwind博士追溯了由于DNA测序成本的大幅下降以及研究人员发现同时研究更多样本中多个基因的新方法，自闭症的基因研究因此变得更加先进。

“技术的进步——以及汇聚广大家庭的合作——推动了识别导致自闭症的遗传因素的能力，”UCLA Health医疗中心人类遗传学、神经病学和精神病学Gordon and Virginia MacDonald特聘教授Geschwind博士说。

伴随着这些进步，神经多样性得到了更广泛的认可和接受。虽然《雨人》描绘了一个严重的自闭症成年人，无法独自生活，但自闭症在不同人身上的表现不一样，他们对待治疗的态度也截然不同。

Geschwind博士强调，研究自闭症的目标不是消除或“治愈”所有形式的自闭症。“神经多样性有好处，”他说。 “你只治疗那些想被治疗的人，或者患有严重疾病、很难独立运作的人。这与具有中度社交功能障碍的人非常不同。”

从“冰箱妈妈”到DNA分析

自闭症谱系障碍（ASD）包括一系列具有不同生物学原因的神经发育障碍。ASD的症状包括难以进行适当的社交互动、沟通技巧受损、重复运动（如摇摆或拍打）以及对感官刺激（如气味或声音）的敏感度增加。

1943年，儿童精神病学家Leo Kanner在医学文献中记录了第一个明确定义的自闭症病例。尽管 Kanner将自闭症描述为一种“先天的”状况，但当时流行的观点沉浸在弗洛伊德心理学中，认为它是受环境影响的，是由冷漠的养育方式引起的。这种所谓的“冰箱妈妈”理论在1970年代“失宠”之前引起了家长们的焦虑，因为越来越多的证据表明自闭症至少部分是遗传的。

那时的基因研究依赖于谱系，即说明疾病是怎样在整个家庭中发生的。对双胞胎的研究显示，自闭症具有很强的遗传成分，对“一级亲属”——父母和兄弟姐妹——的观察表明，这些家庭成员经常表现出“亚临床”自闭症症状，即症状尚未严重到进行医学诊断。

虽然这些研究可以表明自闭症的遗传基础，但他们无法确定病情所涉及的特定基因。当时可用的DNA技术“无法以任何合理的分辨方法研究整个基因组”，Geschwind博士说，

研究人员面临的另一个障碍在于自闭症的遗传异质性，这意味着不同人的症状可能会因不同基因所导致。 “导致某种疾病不同类型的基因越多，需要统计的样本就越大，”Geschwind博士说。 “早期的样本不够大，所以无法找到重复的结果。”

为了扩大自闭症患者及其家人的基因样本库，Geschwind博士和同事于2001年与Cure Autism Now Foundation合作建立了自闭症遗传资源交换中心。这是由研究人员、公共和私人资金以及家庭组成的独特合作，由自闭症儿童的父母推动和监督。

该合作使研究人员能够共享从患者身上收集的生物样本，并在更多的患者和非自闭症家庭成员中寻找遗传标记。这种类型的互动有助于改变对自闭症原因的研究前景，并为当今正在进行的许多类似合作奠定了基础。

寻找基因

大约在同一时间，基因技术发展到了这样的程度：研究人员无须费力地每次只测试一个基因；检查整个基因组的方法变得更快、更便宜、且更易获得。全基因组调查与纳入数千名患者的研究相结合，揭示了许多有前景的候选基因。

遗传缺陷导致自闭症有两种方式。一种是破坏在大脑发育中起重要作用的单个基因。 “这些通常与许多发育障碍有关，”Geschwind博士说。 “如果你把发育想象成轨道上的火车，这些巨大的突变会让火车脱离轨道。”

Geschwind博士说，大约20%的自闭症病例是由单基因突变引起的。这些通常伴有其他发育异常，例如x染色体易裂症或Rett综合征。它们通常在人体中自发产生，而不是从父母那里遗传而来。

其他80%的自闭症病例可能是由于多种基因变化的组合。同样，研究人员通过更多样本帮助梳理基因组，寻找在自闭症病例中更频繁出现的异常。

对这些基因的分析显示了某些共同的功能。例如，一些突变会影响帮助脑细胞之间互相接触，叫作突触信号的过程。突触是两个脑细胞之间的连接点； 突触上的信号使大脑区域之间形成连接。

突触信号的中断可以改变大脑处理社交提示或感官刺激的方式。Geschwind博士指出，这种突变在整个进化过程中一直存在，因为它们在某些情况下是有益的。

“这些基因增加了人们对自闭症和相关疾病的易感性，因为它们影响大脑发育，”他说。 “由于这些遗传因素，大脑的发育和运作略有不同，这些差异可以提供认知优势，例如增加对细节的关注。”

他说，遗传异质性“与自闭症所代表的极其广泛的范围相一致，从那些相对于神经典型（神经普通）的个体而言具有特殊才能的人，到那些具有重大认知和行为挑战的人。”

“当我们谈论自闭症时，必须认识到这一点——现在我们比以往任何时候都更清楚这不是一个单一的条件。 然而，了解遗传原因可以帮助我们确定疗法，从而减轻负担并提高生活质量，这才是最终目标。”

最新的研究方法使Geschwind博士和同事能够同时研究多个基因变化，像一个关系网。通过创建遗传相互作用图，他们能够了解基因如何相互影响。许多自闭症相关的基因似乎都进入了相同的分子途径。准确了解这些途径如何推动大脑发育将有助于研究人员找到针对自闭症的靶向治疗方法。

“我们的诊断越具体，就越能将自闭症推向主流医疗，”Geschwind博士解释说，这种情况是由其症状而非病因来定义的，这使得认识到不同的人有不同的原因导致其症状变得更加重要。

“了解谁会从治疗中受益才是关键，”他说。

了解更多信息，请访问UCLA Health医疗中心中文官网。

The post 世界提高自闭症意识日｜是什么遗传工具揭示了自闭症的生物学？ appeared first on UCLA Health 加州大学洛杉矶分校医疗系统.

通过无线装置，盲人将可以感知物体运动，辨别明暗

09/18/2019

七年前，Jason Esterhuizen在一场可怕的车祸中双目失明，陷入一片漆黑。UCLA Health加州大学洛杉矶分校医疗中心的研究人员在他的大脑内植入了一种实验装置，如今，他已经恢复了视觉感知，并能够独立生活。

“现在我可以做以前不能做的事情了”，30岁的Esterhuizen从南非来到UCLA Health医疗中心参加临床试验，他说，“我可以整理衣物，不用拐杖就能在有灯的走廊里找到路，过马路也更安全。我的生活更容易了”。

该装置是为曾经视力正常，因伤或疾病而失明的人设计。虽然它不能提供正常的视力，但能够恢复患者探测移动和分辨明暗的能力，重获探索美好世界的机会。

作为该项目5年来的主要研究负责人—— UCLA Health医疗中心的的神经外科医生Dr. Nader Pouratian博士说：“这是我们第一次设计出完全可植入，可在家使用和无需外部插入的设备。该设备可以帮助患者恢复感知，例如，门的位置，人行道的起始和位置。这些都非常有意义，将可以帮助改善患者的生活质量。”

美国食品和药物管理局(U.S. Food and Drug Administration)认定该设备为“突破性设备”，其无线系统被安装在太阳镜上，将通过微型摄像机捕捉到的图像转换成电脉冲。产生的脉冲进而触发植入大脑中的60个电极组，刺激视觉皮层感知光线模式并输出视觉线索。

“我会看到黑色背景上的小白点，就像在晚上抬头看星星”，Esterhuizen说，“当一个人走向我时，我可能会看到三个小点。当它们靠近我的时候，越来越多的点会亮起来。”

除了眼镜，该设备还包括一条配有按钮的腰带，患者可以按下按钮放大太阳下的黑暗物体，再按下按钮，就可以看到黑暗中较亮的物体，比如夜间驶来的汽车前灯。

已有6名患者接受了植入手术：前3名在UCLA Health医疗中心，2名在贝勒医学院(Baylor College of Medicine)，第6名是在加州大学洛杉矶分校。当接受植入的患者欣赏到烟花或吹灭生日蛋糕上的蜡烛时，他们的喜悦溢于言表。

“每次开启设备对我来说都是惊喜”，Esterhuizen说，“在完全失明后，突然看到带有特殊含义的微弱闪光在周围移动。某种程度上能够再次拥有视力，真是太神奇了”。

植入设备目前仅会刺激病人的左脑，导致他们只能从右侧的视野中感知视觉线索。因此，我们的终极目标是将设备植入大脑的两侧，以恢复全部视野。

Dr. Pouratian提到：“这种设备有可能为青光眼、糖尿病视网膜病变、癌症和创伤致盲的患者恢复功能性视力。随着研究主体的投入，Dr. Pouratian与同事们希望未来能改造这种设备，实现帮助天生失明或视力低下的患者的愿景。

全世界有近3,900万人被界定为是盲人，而由第二视力医疗产品公司(Second Sight Medical Products)开发和销售的Orion设备，将直接刺激视觉皮层，帮助和Esterhuizen一样视网膜和视神经受损的患者。

Esterhuizen是一名乐观的运动员，迷恋跳伞，蹦极等极限运动，近期和队员们一起完成了2019年盲人棒球世界大赛的挑战，意外失明和设备的植入改变了他的生活。

“车祸的那天，我23岁，正在学习成为一名飞行员”，他在自己的博客中写道，“生活并没有在那里停止，而是变得更加美好，因为遇到我一生的挚爱，Sumarie”。

这对夫妇于9月22日庆祝了他们的第一个结婚纪念日。

“通常，当妻子生我的气时她会很安静，而我会说，你在哪儿？我想和你谈谈”。“现在我能找到她了，她再也躲不开我了”，Esterhuizen说。

UCLA Health医疗中心的这一研究项目获得了美国国立卫生研究院针对“通过推进创新神经技术(Brain Research through Advancing Innovative Neurotechnologies)简称Brain”的项目资助，该项目得到了第二视力医疗产品公司的支持。Dr. Pouratian是第二视力医疗产品公司的科学顾问。

媒体联系

Elaine Schmidt310-267-8323eschmidt@mednet.ucla.edu

The post 大脑植入设备帮助盲人恢复视觉 appeared first on UCLA Health 加州大学洛杉矶分校医疗系统.

研究发现，创新技术提高了人体解剖学的可视化

09/18/2019

UCLA Health医疗中心的最新研究发现，在准备肾脏肿瘤手术时，采用三维立体的虚拟现实模型有利于获得稳定的手术结果，包括缩短手术时间，减少血液流失，以及更快速的术后恢复等。

先前的3D模型研究主要提出了定性的问题，例如模型是否让外科医生在手术过程中获得更多信心。因此，该随机研究为首次量化评估此技术治疗效果的研究。

研究论文发布于JAMA Network Open期刊。

“外科医生一直认为，3D模型的应用将帮助提高人体解剖学的可视化，从而提高治疗结果”， 该研究的首席作者，UCLA Health医疗中心琼森癌症中心泌尿外科临床导师Dr. Joseph Shirk提到，“事实上，由来自先进医疗中心经验丰富的外科医生提供的大量经验与数据至关重要。这些数据告诉我们，使用3D数字模型将不再是未来技术，而是我们现在正在做的”。

在这项研究中，来自6家大型教学医院的92名肾肿瘤患者被随机分为两组。对照组48例，干预组44例。

在对照组中，外科医生仅通过CT或MRI扫描为手术患者做准备。对于干预组，外科医生通过CT或MRI扫描和3D虚拟现实模型为手术做准备。外科医生通过手机和虚拟现实头盔浏览3D模型。

Shirk医生提到：“通过彩色3D模式可视化病人的解剖，特别是以虚拟现实的形式呈现，可以让外科医生更好地理解关键结构及其相互之间的关系。这项研究主要针对肾癌，未来将逐渐应用于其他类型癌症治疗的培训中例如前列腺，肺部，肝脏和胰腺等。

该研究的其他作者包括：佛罗里达州梅奥诊所(Mayo Clinic)的Dr. David Thiel；北卡罗来纳大学教堂山分校(University of North Carolina, Chapel Hill)的Dr. Eric Wallen；圣莫尼卡普罗维登斯圣约翰健康中心(Providence Saint John’s Health Center, Santa Monica)的Dr. Jennifer Linehan；田纳西大学医学中心(University of Tennessee Medical Center, Knoxville)的Dr. Wesley White；纽约西奈山伊坎医学院(Icahn School of Medicine at Mount Sinai, New York)的Dr. Ketan Badani和来自西雅图瑞典泌尿学集团(Swedish Urology Group, Seattle)的Dr. James Porter。

研究中使用的技术由Ceevra公司提供，Dr. Shirk是该公司的顾问。

媒体联系

Denise Heady310-206-2805dheady@mednet.ucla.edu

The post 3D虚拟现实模型有助于取得更好的手术成果 appeared first on UCLA Health 加州大学洛杉矶分校医疗系统.

08/22/2019

作者 Nikki Lin，加州大学洛杉矶分校

加州大学洛杉矶分校与NantWorks的研究人员近期开发了一种由人工智能驱动的装置，可以在几毫秒内检测识别癌细胞，比以前的方法快数百倍。以这样的速度，此发明使得在检测到癌细胞后立即从血液中取出癌细胞成为可能，从而防止疾病在体内传播。

关于该进展的论文发表于自然科学报告(Nature Scientific Reports)期刊。

这一研究方法基于两项核心技术：深度学习(deep learning)与光子时间拉伸(photonic time stretch)。深度学习属于机器学习中的一类，这项人工智能技术对算法进行“训练”以使用大量数据来执行任务。深度学习的领域中，被称为神经网络(neural networks)的算法是以人脑的工作方式模型建成的。与其他类型的机器学习相比，深度学习已被证明在识别和生成图像、语音、音乐和视频方面尤其有效。

光子时间拉伸是加州大学洛杉矶分校发明的一种超高速测量技术。光子时间拉伸仪利用超短激光脉冲每秒捕获数万亿个数据点，比当今最快的微处理器快1000多倍。这项技术帮助科学家发现了激光物理学中的罕见现象，并发明了用于三维显微镜学、光谱学及其他学科的新型生物医学仪器。

“由于它们所产生的重要数据量极大，所以光子时间拉伸仪和深度学习是天造地设的一对。”加州大学洛杉矶分校萨缪利工程学院的电气与计算机工程学教授、加州大学洛杉矶分校加州纳米系统研究所成员Bahram Jalali如此说道。

该系统还采用了成像流式细胞技术(imaging flow cytometry)。细胞计数法(Cytometry)是测量细胞特征的科学；成像流式细胞术操作中，使用激光在细胞流经载液时进行各个单独成像来获得测量数据。尽管在成像流式细胞术中已经存在细胞分类技术，但其处理步骤发生得如此缓慢，以至于设备没有时间将细胞彼此物理分离。

在先前工作的基础上，Jalali和他的同事们开发了一条深度学习管道，通过直接对成像流式细胞技术流程中的激光信号进行操作，来解决以上问题，从而减去了其他技术中耗时的处理步骤。

“我们优化了深层神经网络的设计，以处理时间拉伸成像流式细胞仪产生的大量数据，从而同步提升了软件和仪器的性能。” 访问博士生、论文首席作者Yueqin Li提到。

加州大学洛杉矶分校的博士后研究员、该论文的共同作者Ata Mahjoubfar表示，该技术使仪器能够在几乎瞬间确定细胞是否癌变。

他说：“我们不再需要提取细胞的生物物理参数。与以往不同，深度神经网络可以非常快速地分析原始数据本身。”

The post 深度学习技术可帮助科学家在几毫秒内识别血液中的癌细胞 appeared first on UCLA Health 加州大学洛杉矶分校医疗系统.

UCLA Health医疗中心研究概述08/14/2019

发现

众所周知，当癌症扩散到中枢神经系统其治疗将十分困难。而最近，UCLA Health医疗中心的研究人员发明了一款药物运输系统，打破了脑血管障壁的阻碍，帮助癌症治疗药物进入到中枢神经。

在对白鼠的实验中，单一的癌症治疗药物可以通过研究人员设计的纳米胶囊进入大脑内部，消除进入其中枢神经系统中的淋巴瘤B型细胞。

背景

约15%到40%的癌症会扩散到神经系统，但治疗选择很少，而且只对少数患者有效。治疗无效的一个原因是血脑屏障，一种阻止有害物质进入大脑的自然防御系统，阻断并防止药物触达已经扩散到中枢神经系统的癌症。

方法

为了制造一种可以将抗癌药物输送到中枢神经系统的容器，科学家们制造了直径约为1纳米，即十亿分之一米的胶囊（作为参考，一张纸大约有10万纳米厚）。胶囊上覆盖着一种叫做2-甲基丙烯酰氧乙基磷胆碱(2-methacryloyloxyethyl phosphorylcholine)的物质，他们推测这种物质不太可能被血脑屏障阻断，使得胶囊在接近癌细胞时释放出抗体。

研究人员将抗癌药物利妥昔单抗(rituximab)装入纳米胶囊，然后让植入有人类B细胞淋巴瘤(B-cell lymphoma)的白鼠服用。淋巴瘤已经转移到老鼠的中枢神经系统，科学家们在四个月的时间里追踪肿瘤的变化。

影响

部分研究还待进一步的研究，包括对人体测试，但目前UCLA Health医疗中心设计的胶囊可以用来携带已经被美国食品及药物管理局(FDA)批准的药物，治疗已经扩散到中枢神经系统的癌症。

该治疗方法将不仅可以用于治疗转移到中枢神经系统的癌症，还可以用于其他癌症的治疗，如乳腺癌、小细胞肺癌和黑色素瘤，原发性脑瘤或其他脑部疾病等。

作者

这项研究的主要作者是UCLA Health医疗中心大卫·格芬医学院血液学兼肿瘤学副教授，UCLA Health医疗中心琼森综合癌症中心的科学家Masakazu Kamata；其他参与的作者包括Jing Wen, Di Wu, Meng Qin, Chaoyong Liu, Lan Wang, Duo Xu, Harry Vinters, Yang Liu, Emiko Kranz, YooJin Lee, Ontoniel Martinez-Maza, Daniel Widney, Irvin Chen and Yunfeng Lu, 均来自UCLA Health医疗中心。

期刊

研究论文发布于自然生物医学工程(Nature Biomedical Engineering)在线版。

基金

此项研究由国家癌症研究所(National Cancer Institute)、国家过敏和传染病研究所(National Institute of Allergy and Infectious Diseases)和麦卡锡家庭基金会(McCarthy Family Foundation)资助的。

媒体联系

Denise Heady310-206-2805dheady@mednet.ucla.edu

The post 纳米胶囊治疗中枢神经癌症的白鼠试验 appeared first on UCLA Health 加州大学洛杉矶分校医疗系统.

加州大学洛杉矶分校最新开发的系统可以轻松解读复杂的乳腺癌图像
08/09/2019

加州大学洛杉矶分校的研究人员开发了一种人工智能系统，可以帮助病理学家更准确地解读活检组织，以更好地检测并诊断乳腺癌。

国际著名医学期刊《JAMA Network Open》发表的一项研究对这一新系统作出了介绍。用于诊断乳腺癌的医学图像有时很难用肉眼分辨，该系统可以帮助解读这些医学图像，其效果几乎与经验丰富的病理学家一样准确，甚至更好。

“从一开始就获得正确的诊断至关重要，这样我们才能引导患者进行最有效的治疗”， 该研究的资深作者、加州大学洛杉矶分校大卫格芬医学院 (David Geffen School of Medicine at UCLA) 的医学教授Joann Elmore博士说道。

2015年由Elmore领导的一项研究表明，每年都有数百万女性进行乳腺活检，但病理学家对乳腺活检的诊断结论常常存在分歧。早期研究表明，大约每6名乳腺导管原位癌（一种非侵袭性乳腺癌）患者中就有1人出现诊断错误，约一半的乳腺异型性（与乳腺癌高风险相关的异常细胞）活检病例出现了错误诊断。

“乳房活检的医学图像包含大量复杂数据，对它们的判定非常主观”，身兼加州大学洛杉矶分校琼森综合癌症中心 (UCLA Jonsson Comprehensive Cancer Center) 的研究员的 Elmore说， “将乳腺非典型性异位症与原位导管癌区别开来在临床上很重要，但对病理学家而言却是非常具有挑战性的。有时，当一年后再次出现相同病例时，医生甚至质疑他们先前的诊断。”

科学家认为，人工智能可以始终如一地提供更准确的读数，因为通过从大量数据中进行提取，系统可以识别样本中与癌症相关但是人类难以发现的模式。

研究小组将240张乳腺活检图像输入计算机，训练计算机识别与多种乳腺病变相关的模式，包括良性（非癌性）和非典型性到导管原位癌（DCIS）和浸润性乳腺癌，每幅图像的正确诊断是由三位病理专家的一致意见决定的。

为了测试该系统，研究人员将其读数与由87位美国病理学家进行的独立诊断进行了比较。 虽然人工智能程序在区分癌症和非癌症病例方面接近于人类医生的水平，但在区分导管原位癌和非典型性疾病时，人工智能程序的表现优于医生，后者被认为是乳腺癌诊断中最大的挑战。该系统比医生更准确地确定扫描是否显示DCIS或异型性；其敏感度在0.88到0.89之间，而病理学家的平均敏感度为0.70（敏感度得分越高，表明诊断和分类正确的可能性越大）。

“这些结果非常令人振奋”， Elmore表示，“美国目前在职病理学家对非典型性和导管癌的诊断准确性较低，基于计算机的自动化方法展示出巨大的前景”。

研究人员正致力于训练该系统学会诊断黑色素瘤。

西雅图儿童医院 (Seattle Children’s Hospital) 的Ezgi Mercan是该研究的第一作者，共同作者包括华盛顿大学 (University of Washington) 的Sachin Mehta和Linda Shapiro、俄亥俄州南部病理学顾问 (Southern Ohio Pathology Consultants) Jamen Bartlett 以及佛蒙特大学 (University of Vermont) 的 Donald Weaver。

该研究得到了美国国立卫生研究院国家癌症研究所(National Cancer Institute of the National Institutes of Health)的支持。

加州大学洛杉矶分校的研究人员开发了一种人工智能系统，可以帮助病理学家更准确地解读活检组织，以更好地检测并诊断乳腺癌。

国际著名医学期刊《JAMA Network Open》发表的一项研究对这一新系统作出了介绍。用于诊断乳腺癌的医学图像有时很难用肉眼分辨，该系统可以帮助解读这些医学图像，其效果几乎与经验丰富的病理学家一样准确，甚至更好。

“从一开始就获得正确的诊断至关重要，这样我们才能引导患者进行最有效的治疗”， 该研究的资深作者、加州大学洛杉矶分校大卫格芬医学院 (David Geffen School of Medicine at UCLA) 的医学教授Joann Elmore博士说道。

2015年由Elmore领导的一项研究表明，每年都有数百万女性进行乳腺活检，但病理学家对乳腺活检的诊断结论常常存在分歧。早期研究表明，大约每6名乳腺导管原位癌（一种非侵袭性乳腺癌）患者中就有1人出现诊断错误，约一半的乳腺异型性（与乳腺癌高风险相关的异常细胞）活检病例出现了错误诊断。

“乳房活检的医学图像包含大量复杂数据，对它们的判定非常主观”，身兼加州大学洛杉矶分校琼森综合癌症中心 (UCLA Jonsson Comprehensive Cancer Center) 的研究员的 Elmore说， “将乳腺非典型性异位症与原位导管癌区别开来在临床上很重要，但对病理学家而言却是非常具有挑战性的。有时，当一年后再次出现相同病例时，医生甚至质疑他们先前的诊断。”

科学家认为，人工智能可以始终如一地提供更准确的读数，因为通过从大量数据中进行提取，系统可以识别样本中与癌症相关但是人类难以发现的模式。

研究小组将240张乳腺活检图像输入计算机，训练计算机识别与多种乳腺病变相关的模式，包括良性（非癌性）和非典型性到导管原位癌（DCIS）和浸润性乳腺癌，每幅图像的正确诊断是由三位病理专家的一致意见决定的。

为了测试该系统，研究人员将其读数与由87位美国病理学家进行的独立诊断进行了比较。 虽然人工智能程序在区分癌症和非癌症病例方面接近于人类医生的水平，但在区分导管原位癌和非典型性疾病时，人工智能程序的表现优于医生，后者被认为是乳腺癌诊断中最大的挑战。该系统比医生更准确地确定扫描是否显示DCIS或异型性；其敏感度在0.88到0.89之间，而病理学家的平均敏感度为0.70（敏感度得分越高，表明诊断和分类正确的可能性越大）。

“这些结果非常令人振奋”， Elmore表示，“美国目前在职病理学家对非典型性和导管癌的诊断准确性较低，基于计算机的自动化方法展示出巨大的前景”。

研究人员正致力于训练该系统学会诊断黑色素瘤。

西雅图儿童医院 (Seattle Children’s Hospital) 的Ezgi Mercan是该研究的第一作者，共同作者包括华盛顿大学 (University of Washington) 的Sachin Mehta和Linda Shapiro、俄亥俄州南部病理学顾问 (Southern Ohio Pathology Consultants) Jamen Bartlett 以及佛蒙特大学 (University of Vermont) 的 Donald Weaver。

该研究得到了美国国立卫生研究院国家癌症研究所(National Cancer Institute of the National Institutes of Health)的支持。

媒体联系

Denise Heady310-206-2805dheady@mednet.ucla.edu

The post 人工智能可提供更准确的乳腺癌诊断 appeared first on UCLA Health 加州大学洛杉矶分校医疗系统.

加州大学洛杉矶分校研究声明04/16/2019

发现

加州大学洛杉矶分校的研究人员开发了一种新的人工智能系统，以帮助放射科医生提高其诊断前列腺癌的能力。该系统名为FocalNet，通过评估磁共振成像 (MRI) 与其他扫描成像来识别并预测疾病，其准确程度与经验丰富的放射科医生几乎相同。经测试，FocalNet 读取磁共振成像的准确度为 80.5％，而具有至少10年经验的放射线医生准确度为 83.9％。

背景

放射科医生利用磁共振成像来检测和评估恶性前列腺肿瘤的侵袭性，但通常需要经过数千次扫描诊断练习，才能学会如何准确判定肿瘤是良性还是癌性，并准确估计癌症的等级。此外，许多医院没有足够资源来进行通过磁共振成像检测癌症所需的高度专业化培训。

实验方法

FocalNet是一个人工神经网络，其使用的算法包含超过一百万个可训练变量；由加州大学洛杉矶分校的研究人员开发而成。研究小组通过分析417名前列腺癌患者核磁共振扫描结果来训练此系统；扫描结果被输入到系统中，使其自主学会以一致的方式评估并分类肿瘤，然后将结果与实际病理标本进行比较。最后，研究人员将人工智能系统的测试结果与加州大学洛杉矶分校拥有10多年经验的放射科医生的诊断结果进行比较。

影响

研究表明，人工智能系统可以提高效率，并且未来有可能为经验不足的放射科医生提供诊断指导。

作者

这项研究的资深作者包括加州大学洛杉矶分校大卫·格芬医学院(David Geffen School of Medicine)放射科助理教授Kyung Sung；加州大学洛杉矶分校放射科临床教授、加州大学洛杉矶分校琼森综合癌症中心 (UCLA Jonsson Comprehensive Cancer Center) 成员 Steven Raman博士；以及加州大学洛杉矶分校放射科主任Dieter Enzmann博士。首席作者是加州大学洛杉矶分校的研究生Ruiming Cao；其他作者包括Amirhossein Bajgiran、Sohrab Mirak、Sepideh Shakeri 以及 Xinran Zhong，均来自加州大学洛杉矶分校。

期刊

这项研究由国际顶级期刊IEEE Transactions on Medical Imaging发表；此论文于2019年4月在IEEE International Symposium on Biomedical Imaging生物医学成像国际研讨会期间得到展示讲解，并被选为最佳论文亚军。

媒体联系

Denise Heady310-206-2805dheady@mednet.ucla.edu

The post 最新人工智能系统检测前列腺癌的能力媲美资深放射科医生 appeared first on UCLA Health 加州大学洛杉矶分校医疗系统.