执行肺结节评估的方法技术

本发明专利技术提供了一种执行肺结节评估的方法，该方法包括以下步骤：从成像模态(21)获得患者(P)的肺扫描(PS)；从血液分析模态(22)获得该患者(P)的血液检测套餐(BP)；以及在分类器(1)中处理肺扫描(PS)和血液检测套餐(BP)，该分类器(1)被训练成基于肺扫描(PS)和血液检测套餐(BP)来评估肺结节(N)。本发明专利技术还描述了训练这样的分类器(1)的方法和肺结节评估装置(2)。样的分类器(1)的方法和肺结节评估装置(2)。样的分类器(1)的方法和肺结节评估装置(2)。

【技术实现步骤摘要】
执行肺结节评估的方法


[0001]本专利技术涉及执行肺结节评估的方法、训练用于执行肺结节评估的方法的分类器的方法、肺结节评估装置、计算机程序产品和计算机可读介质。

技术介绍

[0002]为了患者被成功治疗，在早期阶段检测肺癌是重要的。如果及早发现，治愈肺癌的可能性远高于晚期。肺癌可以从肺结节发展而来，肺结节可以在诸如2D X射线图像、3D计算机断层扫描或者使用诸如磁共振成像、超声、光声断层扫描、扩散加权断层扫描、正电子发射断层扫描等技术获得的任何扫描的肺扫描中可见。
[0003]然而，许多其他疾病也可能导致肺结节的形成。例如，肺结节可能由分枝杆菌感染、真菌感染、圆形肺炎、肺脓肿、脓毒性栓塞、诺卡氏菌感染、包虫囊肿或包虫病、贝氏柯克斯体Q热(Q fever from coxiella burnetii)等引起。肺结节也可能由免疫系统病症例如类风湿性关节炎、肉芽肿性多血管炎、结节性结节病、机化性肺炎(隐源性或继发性)、淋巴样肉芽肿病、坏死性结节病样肉芽肿病引起。肺结节的其他病因可能是先天性异常，例如动静脉畸形、支气管囊肿、肺隔离症、肺静脉曲张、支气管闭锁伴支气管囊肿；未来的病因可能是圆形肺不张、实质内淋巴结、进行性肿块纤维化、炎性假瘤、淀粉样变性、类脂性肺炎等。
[0004]可以在诸如X射线图像或CT图像的肺扫描中检测肺部结节或肺结节。然而，良性结节在外观方面与恶性结节类似。已知在考虑关于患者的其他信息(例如，患者的年龄、吸烟史等)的情况下估计肺部结节的基于图像的恶性评分或“风险评分”。这样的方法的示例是Mayo/Swensen模型、Brock模型和VA(退伍军人管理局)模型。然而，绝大多数检测到的肺部结节(80％至95％)是良性的，使得估计的风险评分常常不正确。为了改善肺部结节分类，已知将图像标记信息(例如，从CT肺扫描中标识的标记或特征)和血液标记信息(例如，诸如在血液测试或血液检测套餐(blood panel)中标识的基因组标记、表观基因组标记、转录组标记、代谢组标记或蛋白质组标记的标记或特征)组合，以获得更准确的风险评分。然而，已知技术的准确性取决于血液标记数据的相关性以及取决于临床医生评估肺结节背景下的附加信息的能力。即使利用这种组合的方法，误诊率仍然高得无法接受，从而导致假阳性诊断，而且导致假阴性诊断。
[0005]假阳性误诊(肺结节被赋予高风险评分)通常会导致患者的后续治疗需要更多的费用、额外的辐射暴露，并且还可能导致手术并发症。除了不必要治疗的高额费用之外，患者可能会不必要地遭受心理焦虑。假阴性误诊(肺结节被赋予低风险评分)可能意味着早期肺癌仍然未被检测到，这可能导致患者(特别是对于没有参加常规筛查项目的患者)的前景显著恶化。
[0006]人工智能(AI)可以应用于分析大量数据，以便标识否则使用常规“手动”技术难以或不可能检测到的关系。例如，AI分类器可以被训练成识别输入数据中的某种类型的模式。分类器可以以各种方式被实现为例如决策树、支持向量机、贝叶斯分类器、神经网络等。已知使用AI分析肺扫描以便标识肺结节。然而，由于“无害”的肺结节通常在视觉上无法与恶
性癌区分开，因此这样的方法的临床有用性是有限的。

技术实现思路

[0007]因此，本专利技术的目的是提高肺部结节分类的准确性。
[0008]该目的通过所要求保护的执行肺结节评估的方法、所要求保护的训练分类器的方法以及所要求保护的肺结节评估装置来实现。
[0009]根据本专利技术，执行肺结节评估的方法包括以下步骤：从成像模态获得患者的肺扫描；获得该患者的血液检测套餐；在诸如残差神经网络(ResNet)、卷积神经网络、贝叶斯分类器等的AI分类器中处理肺扫描和血液检测套餐。分类器被训练成：基于肺扫描和血液检测套餐来评估肺结节，并且以有意义的方式(例如作为癌症风险评分、作为恶性肿瘤的概率等)输出分类的结果。
[0010]肺扫描(或“肺部扫描”)可以是诸如胸腔的X射线的2D图像、诸如肺部CT(计算机断层扫描)扫描的3D图像等。术语“肺扫描”和“肺部扫描”是同义词，并且在本文中可以互换使用。类似地，术语“肺结节”和“肺部结节”可以互换使用。
[0011]如以上所说明的，肺结节可能指示癌症，但同样可能与非癌症病症有关，即肺结节通常是不确定的。本专利技术方法将成像信息和实验室诊断信息结合起来，以管理不确定的肺部结节，即得出肺部结节的可靠评估(例如，风险评分)。本专利技术方法的优点在于其可靠地区分良性肺结节和恶性肺结节。通过应用机器学习，AI分类器能够标识肺扫描和血液检测套餐中的信息，并且能够将该信息进行组合以得出对肺结节的准确评估。
[0012]根据本专利技术，训练用于本专利技术肺结节评估方法的分类器的方法包括以下步骤：
[0013]A)注释肺扫描以标识肺结节以及与肺结节相关联的多个图像标记；
[0014]B)注释血液检测套餐以标识与肺癌相关联的多个血液标记；
[0015]C)确定对肺结节的评估，以由分类器用作真值(ground truth)；
[0016]D)将分类器应用于肺扫描、血液检测套餐和相关联的真值；以及
[0017]重复步骤A至D，直到已经达到期望的准确性水平。
[0018]根据本专利技术，肺结节评估装置包括：成像模块，其被配置成提供患者的肺扫描；血液分析器，其被配置成提供该患者的血液检测套餐；处理单元，其被配置成当根据本专利技术训练方法训练的分类器被加载到处理单元的存储器中时执行肺结节评估方法的步骤；以及用户接口，其被配置成至少显示肺结节评估结果。在下文中，“肺结节评估方法”可以被简称为“评估方法”。
[0019]本专利技术的目的还通过一种计算机程序产品来实现，该计算机程序产品包括可直接加载到肺结节评估装置的控制单元的存储器中的计算机程序，该计算机程序包括用于当计算机程序由控制单元执行时执行本专利技术肺结节评估方法的步骤的程序元素。
[0020]本专利技术的目的还通过一种计算机可读介质来实现，在该计算机可读介质上存储有程序元素，所述程序元素可以由计算机单元读取和执行，以便当程序元素由计算机单元执行时执行本专利技术肺结节评估方法的步骤。
[0021]如以下描述中所揭示的，本专利技术的特别有利的实施方式和特征由本专利技术的技术方案给出。可以适当地组合不同权利要求类别的特征，以给出本文中未描述的其他实施方式。
[0022]在下文中，可以假设从诸如CT扫描仪的高分辨率成像设备获得肺扫描。血液检测
套餐可以以机器可读文件的形式被提供，例如由被配备成分析血液样本的实验室提供。肺扫描和血液检测套餐优选地在大约相同的时间(例如在几周内)被获得。
[0023]利用训练群组来训练分类器，优选地，训练群组包括至少100个数据集，更优选地，训练群组包括至少1000个数据集，最优选，训练群组包括至少10000个数据集。数据集应该被理解为包括患者的至少一个肺扫描以及该患者的至少一个血液检测套餐。训练数据集还可以包括同一患者的一个或更多个较旧肺扫描和一个或更多个较旧血液检测套餐。
...

【技术保护点】

【技术特征摘要】
1.一种执行肺结节评估的方法，所述方法包括以下步骤：
‑
从成像模态(21)获得患者(P)的肺扫描(PS)；
‑
从血液分析模态(22)获得所述患者(P)的血液检测套餐(BP)；
‑
在分类器(1)中处理所述肺扫描(PS)和所述血液检测套餐(BP)，所述分类器(1)被训练成基于所述肺扫描(PS)和所述血液检测套餐(BP)来评估肺结节(N)。2.根据前述权利要求所述的方法，其中，所述分类器(1)被配置成从所述肺扫描(PS)中标识多个图像标记(IM_1、
……
、IM_p)，图像标记(IM_1、
……
、IM_p)包括以下中的任一项：血管集束；胸膜凹陷；空气支气管征；钙化类型；空腔形成；支气管内起源；肺裂位置；胸膜下位置；形态学；结节内的毛刺征、分叶征、关联的囊性气腔、气泡样征。3.根据前述权利要求中任一项所述的方法，其中，所述分类器(1)被配置成从所述血液检测套餐(BP)中标识多个血液标记(BM_1、
……
、BM_p)，血液标记(BM_1、
……
、BM_p)包括以下中的任一项：基因组标记、表观基因组标记、转录组标记、代谢组标记、蛋白质组标记。4.根据前述权利要求中任一项所述的方法，其中，所述分类器(1)被配置成标识图像标记(IM_1、
……
、IM_p)与呼吸疾病之间的关系。5.根据前述权利要求中任一项所述的方法，其中，所述分类器(1)被配置成标识所述患者(P)的肺扫描(PS)与较旧肺扫描之间的差异。6.根据前述权利要求所述的方法，其中，所述分类器(1)被配置成：将所述肺扫描(PS)中的特定区域的体积与所述较旧肺扫描(PS)中的相同区域的体积进行比较以及/或者对在所述肺扫描(PS)中标识的肺结节(N)的惰性进行量化。7.根据前述权利要求所述的方法，其中，基于获得所述肺扫描(PS)的情况来选择所述分类器(1)的系数。8.根据前述权利要求中任一项所述的方法，其中，所述分类器(1)被配置成基于所述肺结节评估来建议患者管理过程。9.根据前述权利要求中任一项所述的方法，其中，所述分类器(1)被训练成还基于肺外图像数据(XS)来执行肺结节评估，并且其中，所述方法包括获得肺外图像数据(XS)的准备步骤。10.一种训练用于根据权利要求1至9中任一项所述的方法的分类器(1)的方法，所述方法包括以下步骤：A)注释肺扫描(PS)以标识肺结节(N)以及与所述肺结节(N)相关联的多个图像标记(IM_1、
……

【专利技术属性】
技术研发人员：菲利普，
申请(专利权)人：西门子医疗有限公司，
类型：发明
国别省市：