PTT職涯區 / medstudent (醫學生)

Re: [討論] 電腦判讀病理切片

看板medstudent (醫學生)作者 (芭樂丁)時間9年前 (2016/08/21 22:08), 編輯推噓14(14推 0噓 35→)
留言49則, 14人參與, 最新討論串1/1
Nature communications, DOI: 10.1038/ncomms12474, http://goo.gl/Px17VS 這篇文章其實沒有提出新的方法，用的都是舊有的方法，像是naive Bayes、SVM這些， 所以他們創新的地方只有納入了prognosis（survival time）。然後雖然摘要看起來很厲 害，其實沒有真的那麼厲害。 首先他們提到要用電腦做這件事的原因是，即使是experienced pathologists都不見得能 正確辨識non-small cell lung cancer的各種subtypes（我沒有去check reference 20， 但看起來應該是這樣），然後其中對於adenocarcinoma和squamous carcinoma的分辨率又 很低。 但是他們的各種方法表現得比較好的部分（AUC=0.8左右）其實是在tumor part versus normal part的部份，可是這部份他們沒有提供一般pathologists的辨識率。在 adenocarcinoma versus squamous carcinoma的部份其實AUC只有0.7左右。乍看之下好像 比pathologists辨識的結果好（k=0.55~0.59 among all pathologists under study）， 但其實這有點是雞蛋比蘋果。如果大家已經忘了AUC（area under the curve）在做什麼， 那只要記得一件事就好了，就是中央的那條斜對角線代表的是50%面積的分隔線，也是丟銅 板也應該猜中一半的地方，所以你的方法只要低於這條線就是廢物，也就是比丟銅板猜中 的機率還低。 所以AUC=0.5是門檻，那麼一般的rule of thumb是AUC=0.6~0.7是表現極差的、0.7~0.8是 還可以，要在0.8以上才可以叫不錯。另外，由於各種方法多半都是在sensitivity與 specificity之間有個trade-off，也就是當你的方法越sensitive時，越可能產生false positives。在AUC的圖裡面，Y軸是sensitivity、X軸是false positive rate，所以雖然 算的都是底下的面積（area under the curve），其實是越靠近左上角越好。但是在 Figure 2(b)裡可以看到有一些方法的sensitivity有到1，可是false positive rate卻高 達55%以上，那這種的其實也沒什麼用處。 他們貢獻比較大的部份應該是從跑這堆classifiers的過程中找出一些足供辨識的 features，可以拿來預測prognosis/survival。Figure 3(c)是他們用training data （TCGA）找出的features做的adenocarcinoma病患的survival curves，這部份的確分得 還不錯，但是拿去用在testing data（TMA）時，Figure 3(d)其實只有在50個月以後這兩 條survival curves才分得開。這在squamous carcinoma也有差不多的情況，但squamous carcinoma是在training data的部份就分得更不好了。在臨床上，難道要叫醫生跟病人說 「如果你可以活過四年，我就可以告訴你你大概可以再活多久」？ 我想如果電腦可以輔助看片，應該可以減輕醫生的工作量，所以我猜pathologists應該是 樂見其成吧。但是要把電腦訓練到跟人腦差不多聰明（這個是一次只辨識兩種腫瘤喔，兩 種以上又更複雜了），應該還需要一段時間吧。 小弟看這篇文章只是匆匆瀏覽，如有錯誤還請指正。 -- 我絕對不會承認我是在騙p幣 ※ 引述《loserfatotak (魯肥宅(T^T))》之銘言： : 最近幾天在某圈子很紅的一篇論文 : 論文第一作者是是全寶山之光啊Orz : 之前只知道電腦能辨識人臉 : 現在才知道電腦不僅能辨識病理組織切片 : 連預後都能告訴你 : 這是不是代表某種趨勢未來會發生 : 現在去讀程式設計和支持向量機 : 還來得及嗎(TAT) : ------------------------------------------------------------ : 這才是我們的偶像啊<(_ _)> -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 118.160.83.103 ※ 文章網址: https://www.ptt.cc/bbs/medstudent/M.1471788505.A.1ED.html
推
08/21 22:39, , 1F
08/21 22:39, 1F
推
08/21 23:01, , 2F
推！解釋的好清楚
08/21 23:01, 2F
推
08/22 00:36, , 3F
應該還是有很厲害的地方吧??不然怎麼會登在Nature上
08/22 00:36, 3F
推
08/22 03:10, , 4F
Nature communications算是nature的副牌 和正牌還有差
08/22 03:10, 4F
推
08/22 07:46, , 5F
推
08/22 07:46, 5F
推
08/22 08:16, , 6F
推
08/22 08:16, 6F
推
08/22 08:17, , 7F
感謝,終於有人幫讀paper,其實本魯重點在作者是新一
08/22 08:17, 7F
→
08/22 08:17, , 8F
代的寶山之光啊<(_ _)>
08/22 08:17, 8F
→
08/22 09:51, , 9F
厲害的地方在找出可以分開survival curves的features
08/22 09:51, 9F
→
08/22 09:54, , 10F
雖然replicate的結果沒那麼好但也不錯
08/22 09:54, 10F
→
08/22 09:55, , 11F
如果應用在癌篩例如子宮頸癌應該可以減輕醫生的工作量
08/22 09:55, 11F
→
08/22 09:56, , 12F
請問什麼叫新一代的寶山之光啊？
08/22 09:56, 12F
推
08/22 14:42, , 13F
余學長這篇的價值在於真正證明機器學習能有效應用在病理
08/22 14:42, 13F
→
08/22 14:42, , 14F
切片判讀，有劃時代的意義。現在AI在影像判讀已快速發展
08/22 14:42, 14F
→
08/22 14:42, , 15F
中，GOOGLE DEEPMIND 8月份開始進軍眼科疾病判讀，子宮頸
08/22 14:42, 15F
→
08/22 14:42, , 16F
抹片自動判讀市場上已有產品，安克生醫專門做甲狀腺超音波
08/22 14:42, 16F
→
08/22 14:42, , 17F
腫瘤輔助判讀，最近更是有場總獎金120萬美金的乳房攝影自
08/22 14:42, 17F
→
08/22 14:42, , 18F
動判讀競賽。放射科、病理科、放射腫瘤科都是AI能切入輔助
08/22 14:42, 18F
→
08/22 14:42, , 19F
醫療的地方。PS:寶山之光，應該是指台大醫院之光
08/22 14:42, 19F
推
08/22 14:49, , 20F
20年後可能不再需要放射科和病理科醫師,全電腦化了
08/22 14:49, 20F
→
08/22 14:49, , 21F
現在該轉行嗎?
08/22 14:49, 21F
→
08/22 14:51, , 22F
也許一間醫學中心只需要一兩個二線科醫師check而已
08/22 14:51, 22F
→
08/22 14:54, , 23F
以後RAD應該是轉往intervention發展吧
08/22 14:54, 23F
→
08/22 14:55, , 24F
純看片子的RAD根本現在沒人要了
08/22 14:55, 24F
推
08/22 14:58, , 25F
同意 大概只需要三四個人輪intervention班
08/22 14:58, 25F
→
08/22 14:58, , 26F
以ai的發展速度,應該十年內就可以打CTMR跟資深放射科醫師
08/22 14:58, 26F
→
08/22 14:59, , 27F
一樣水準
08/22 14:59, 27F
→
08/22 15:00, , 28F
電腦深度學習個上百萬份CT MR study,很難不會判讀吧
08/22 15:00, 28F
→
08/22 15:03, , 29F
可是並沒有有效判讀啊，文章有說這些能上傳到資料庫的
08/22 15:03, 29F
→
08/22 15:03, , 30F
都是比較確定的片子，即使是這樣tumor vs. normal都沒
08/22 15:03, 30F
→
08/22 15:04, , 31F
有100%了，AUC只有0.8，會比人腦厲害嗎？
08/22 15:04, 31F
→
08/22 15:32, , 32F
我覺得可能的！
08/22 15:32, 32F
推
08/22 15:32, , 33F
AlphaGo一開始也沒那麼厲害，也是每天自己跟自己下幾十萬
08/22 15:32, 33F
→
08/22 15:32, , 34F
盤棋越來越強，今年比賽前原先李開復預估10年後電腦才會超
08/22 15:32, 34F
→
08/22 15:32, , 35F
越人類，但沒想到李世石大輸。如果給電腦的圖檔量越大，訓
08/22 15:32, 35F
→
08/22 15:32, , 36F
練出來的判讀軟體越強，這篇論文用上萬張其實只符合minima
08/22 15:32, 36F
→
08/22 15:32, , 37F
l的量而已。不過病理切片目前技術的確比較難自動判讀，可
08/22 15:32, 37F
→
08/22 15:32, , 38F
能可以先從免疫染色片，像Ki-67著手。
08/22 15:32, 38F
推
08/22 15:59, , 39F
時間問題而已 遲早被取代
08/22 15:59, 39F
推
08/22 16:29, , 40F
機器人看診也是遲早的問題……什麼都可以被取代
08/22 16:29, 40F
推
08/22 19:29, , 41F
如果你是放射/病理科醫師，會不會想提早跳槽到有AI的
08/22 19:29, 41F
→
08/22 19:29, , 42F
公司，與其以後被吞併，不如及早先倒戈加入，還當元老
08/22 19:29, 42F
→
08/22 19:30, , 43F
因為現在AUC只有0.8，趁機器不完美時還有利用空間
08/22 19:30, 43F
→
08/22 21:35, , 44F
害怕被機器取代的心情從紡織機發明就有了，所以有盧德
08/22 21:35, 44F
→
08/22 21:37, , 45F
運動。AlphaGO賽後Michael九段也講了，電腦早就打敗西
08/22 21:37, 45F
→
08/22 21:38, , 46F
洋棋手了，但並沒有消滅西洋棋，也不會消滅圍棋。我覺
08/22 21:38, 46F
→
08/22 21:39, , 47F
得不用太杞人憂天，有電腦分擔瑣事，人腦就可以專注在
08/22 21:39, 47F
→
08/22 21:39, , 48F
更重要的問題。
08/22 21:39, 48F
→
08/23 16:32, , 49F
ETC打敗國道收費員 怎麼說?
08/23 16:32, 49F
‣ 更多 paladin499 的文章
文章代碼(AID): #1NkRNP7j (medstudent)
medstudent 近期熱門文章
更多 近期熱門文章 >>
PTT職涯區 即時熱門文章
更多 即時熱門文章 >>
‣ 更多 paladin499 的文章
文章代碼(AID): #1NkRNP7j (medstudent)