癌症朋友一定要注意血中維生素D的濃度!
一位大腸直腸癌合併肝臟以及肺臟轉移的患者,
經過三種化療效果都不好的情況之下來找我,
血液當中的維生素D3濃度居然只有8nmol/L,
這是相當低的,
為了尋找適合的藥物,
我幫她檢測了液態切片CtDNA ,
居然發現七種變異。
美國的這篇研究,
是一個系統性統合研究,
這種研究論文等級非常高,
可信度值得參考,
癌症朋友補充維生素D3,可以將總體死亡率降低16%,
這就是為什麼我從2010年開始,
癌症患者開的營養功能醫學處方裡面,
就包含了維生素D3。
https://www.nutraingredients-usa.com/…/New-meta-analysis-li…
不過,這裡面的論文比較詭異的是,
他們的患者在研究的時候血液維生素D3濃度有50%就已經超過50了,
在台灣,
我自己對研究發現,
第一次來做檢查的朋友,
血液中維生素D3的濃度有90%是低於30 ,
有50%是低於15 ,
有10%左右是低於10,
我在猜是不是國外皮膚對於維生素D3合成的效率比較好,
所以有的時候我會另外幫病人檢查維生素D接受器VDR的基因是不是有變異。
不過,檢驗方法牽涉到檢驗的技術,
質譜儀檢測法成本相當高,
準確度也非常高,
一般坊間使用的是放射性同位素檢測法,
經常會將數值檢驗的比較高,
也比較沒有那麼準確,
因此我都幫病人使用質譜儀檢測法的技術來做檢測。
簡單的結論就是:
癌症患者營養補充一定要包含維生素D3,
而且我建議至少六個月檢查一下維生素D3的濃度,
一般人保養D3補充也是重要的,
建議每天1000到2000國際單位,
也建議每一年檢查一下維生素D3的濃度!
粉絲朋友早安囉!
切片檢查準確度 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳貼文
台灣首座AI醫療影像標註資料庫上線,2秒鐘就完成醫師工作!
2018.12.26 by
吳元熙
台灣首座跨院所的本土化「AI醫療影像」資料庫,一年來累積4.6萬個案例的相關影像,其中1/3已完成疾病資訊標註,開放給研究團隊合作開發演算法,包括北榮、臺大、北醫等團隊,都藉此開發出AI醫療工具。
鎖定心、肺、腦等領域,科技部26日宣布,建置台灣首座跨院所的本土化「AI醫療影像」資料庫,匯集國立臺灣大學、臺北榮民總醫院、臺北醫學大學等頂尖醫師經驗,一年來累積4.6萬個案例的相關影像,其中1/3已完成疾病資訊標註,未來將持續蒐集資料,並把成果開放給外界合作。
AI醫療資料庫:15種醫療影像、4.6萬個案例
科技部推動的「醫療影像專案計畫」,目標是對醫療影像資料進行符合AI訓練需求資料處理與編譯,並將開發可自動分析判讀醫療影像的AI演算法,標註影像資料,包括心臟冠狀動脈疾病、腦轉移瘤、原發性腦瘤、聽神經瘤、肺癌等疾病之電腦斷層、血管攝影、磁振造影和X光等15類。
像是北榮團隊針對腦部疾病,以AI自動偵測顱內轉移腫瘤,可圈住病灶位置和計算面積,輔助醫師做診斷;北醫團隊則標註1,500例肺癌影像,透過深度標註與AI模型開發來協助肺癌病理分類、診斷與預後預測。
「結合醫師的量化判讀經驗,累積醫療影像才更有意義」臺北醫學大學附設醫院副院長陳震宇表示,肺癌影像解讀,是由病理科醫師透過切片,搭配玻片掃描、染色方法等,製成解析度6萬乘6萬、平均1GB的數位檔案,但這種作法相當耗時,一天可能僅能處理20位病人資訊。
陳震宇說,北醫開發的肺癌影像深度標註介面,會先由AI自動判斷,並提供醫師調整空間,讓醫師在自己的辦公電腦就能使用。
人工智慧大幅減輕醫師、病人負擔
還有臺大團隊,透過AI自動將冠狀動脈結構與心肌血流功能融合。
「心血管疾病是台灣第2大死因,可能在10分鐘內奪走生命,」台大醫院心臟內科主治醫師王宗道說,近15年來,只要民眾曾接受電腦斷層掃描,醫師幾乎都有辦法看出心血管的問題,卻因為自費掃描不普及、影像後製耗時等因素,無法即早發現與治療。
他強調,傳統比對血管阻塞位置需花20分鐘,但人工智慧僅需2秒鐘就能完成工作,能大幅減輕醫師負擔。
科技部指出,醫療影像是目前主要的非侵入式診斷工具,每個疾病個案有數張到數百張影像,結合AI技術與醫療影像的疾病診斷標註進行研究,所開發的自動分析判讀工具,不僅可以協助醫師加速醫療影像判讀及提高診斷的一致性與精準度,也可以縮短病人就醫時間及減少侵入式檢查,降低醫療的支出。
醫療團隊建置的影像和標註資料,將匯入國家高速網路與計算中心(國網中心)平台,提供其他研究團隊與資料建置團隊合作,並會做去識別化處理,保護資料當事人隱私,同時建立「退出資料」機制,保護個資自主權。
附圖:[科技部_台灣AI醫療影像標註資料庫]
科技部長陳良基(左二)認為,經過深度標註的醫療影像,能整合醫師經驗,打造具備效率和準確度的AI工具。
科技部
資料來源:https://www.bnext.com.tw/…/taiwan-ai-medical-image-data-cen…
切片檢查準確度 在 文茜的世界周報 Sisy's World News Facebook 的最佳貼文
《文茜的世界財經周報》
【"把抗癌交給科技" MIT開發醫療影像運算軟體 MIT教授巴茲蕾43歲被判定罹患乳癌 人生重大轉折 巴茲蕾投入"量身訂做"抗癌方案 人工智慧如此全能 醫療AI比例仍低 機器可精準消化大數據 "量身訂做"抗癌方案 四名患者同一療法 醫學影像運算可找答案 87%腫瘤為良性 醫學數據運算可降低手術率】
在MIT(麻省理工學院),數字,很重要。
課程6.036,地點26-100,是MIT最大的一間教室,教授來自32號建築,也就是電腦科學與人工智慧實驗室,課程名為"對人工智慧的真實熱情",由4位教授與15位助教一起管理這門課。這是今年MIT人數最多的一門課,教室座位566個,但選課的人有700個,所以第一堂有部分學生只能在其他教室看著轉播螢幕上課。
授課的四名教授之一巴茲蕾教授(Regina Barzilay),在MIT專教機器學習,尤其是NLP(Natural Language Processing),也就是自然語言處理,簡單來說就是教電腦聽說讀寫人類語言。市面上所有的智慧語音助理,例如蘋果的Siri,或是亞馬遜的Echo,就需要NLP技術,巴茲蕾教授正是這個領域的佼佼者。
1971年出生在以色列的她,大學和研究所畢業於以色列知名學府班古里恩大學,後來赴美在哥倫比亞大學取得電腦科學博士學位,也許正因為母語是古老的希伯來文,她對於解碼失傳語言特別有興趣。寫博士論文時甚至開發了可以自動生成新聞摘要的軟體NewsBlaster,雖然她謙稱這款軟體不可能取代深度報導或是洗練文字,卻為哥大留下令人讚嘆的資產。
而如明日之星般的美女教授,在43歲那一年,人生突來晴天霹靂。
MIT電腦科學與人工智慧實驗室瑞吉娜巴茲蕾教授:我之所以進入數位醫療的領域 是因為三年前我被診斷出乳癌
巴茲蕾教授本身因為乳房組織密度較高,屬於乳癌高危險群,因此每半年做一次乳房攝影檢查,為期兩年的檢查周期最後一次,卻發現了惡性腫瘤。事後她一直想問,第一,"為何是我?" 因為沒有家族病史。第二個問題是,這兩年的檢查當中,難道無法從影像醫學的細微變化,看出她的乳房組織可能進化成癌細胞?
瑞吉娜巴茲蕾教授:現在治療癌症病人的方式,都有"人"的在裡面。不管是做超音波還是病理切片,都是由人來判讀,把病情做一下分類。因為這些醫學影像不是直接交給醫生去看,而是由受過訓練的專業技師去判讀,當他們在做判讀的時候,會用他們所依循的"項目"去分類患病的婦女,只用幾個簡單的指標去判讀的時候,很多病況訊息其實是被忽略的。
如果AlphaGo可以擊敗人類圍棋冠軍、Amzon可以依照你的網路行為推薦你會買的商品,巴茲蕾教授不禁想問,這麼多現代人工智慧,為何沒有拿來解決醫療上的盲點。於是她開始與被譽為全球最好的麻省總醫院(MGH)合作,希望未來癌症治療也能「量身訂做」。
瑞吉娜巴茲蕾教授:試想當亞馬遜跟你推薦一本書的時候,是把所有網購消費者,依照十個不同的習性分類,決定這本書適不適合你? 還是依據你個人過往的消費記錄,加上他人評價,再根據你是怎麼樣的人、而不是把你簡單分類去推薦這個產品呢? 當我們把病患簡單分類的時候,我們就會錯失很多資訊。機器可以做到而人類做不到的,就是可以同時看數百萬張醫學影響,然後做出人類做不到的更準確的預測。
以乳癌為例,根據醫學影像以及切片病理報告,會區分為四種亞型,一張極為複雜的器官影像,在技師判讀後,可能直接被簡化成幾種數據、幾行判讀文字,四張完全不一樣的乳房攝影圖像,檢測分類後的資訊可能一模一樣,醫學影像中人眼所不及之處,可能就隱藏著很多警訊而不可知。而因為這四張圖像的患者被分為同一型,因此被施以同樣的治療方案,但這四個患者,三個成功了,一個沒有,問題出在哪裡,巴茲蕾教授認為,這就是圖形運算可以幫助醫生的地方。
瑞吉娜巴茲蕾教授:你看得出這隻狗和這個癌細胞的差別嗎? 狗占了整張照片的30% 癌細胞(在大畫素影像中)只占不到1% 所以影像傳達的訊號完全是不成比例的
癌細胞的生成與醞釀是需要時間的,如果半年一次的醫學影像,或甚至過去十年的病歷記錄能,夠用交叉運算,也許機器可以比人眼更早發現生理組織得病變,預防和提早治療就不會只是口號而已。
一份研究指出,高危險群乳癌病患在照出腫瘤後,無法確定是良性還惡性,多半都會在同意直接開刀切除,最終其實有87%的病理切片是良性的。以MGH(麻省總醫院)為例,無法確診良性或惡性的腫瘤,進手術房的比例是100%,透過巴茲蕾教授開發的這套系統分析,至少可以在術前判讀出30%的良性組織,大幅減少侵入式醫療的機率。這套軟體也可以分辨哪些乳房組織比較可能發展成癌細胞,藉此提高醫生投藥的劑量與準確度。同時機器學習和數據運算也可以應用在製藥上面,透過化學物與病患醫療史的交叉運算,可以容易的組合出製作成本低、效用更好的藥品。
瑞吉娜巴茲蕾教授:我想提供這項工具可以改變醫療護理人員的分工,在很多醫療體系中,病人真正缺乏的就是從醫療照護提供者這邊,獲得「個人化」的集中照顧,有時間跟醫生好好合作。機器永遠不能取代醫生護理師,但透過運用這種工具,可以讓醫生有更多時間跟病患一起,就治療方案好好相互配合。
巴茲蕾教授強調,開發醫療運算法不是要來取代影像醫學判讀的技師,而是想找出人眼無法判讀的病變,讓機器來幫助醫護人員執行更準確的治療。2011年在益智問答節目中擊敗人類的IBM人工智慧系統華生,其實當年是為了發展醫療雲端服務而開發出來的,一度在各大醫療院所引起熱潮,但當時人機合作的並不理想,最近優化後的華生,再度挑戰醫療領域並取得初步成果。其他像是Google母公司Alphabet,以及飛利浦等科技大廠,加上輻射出來的新創公司,醫療生技產業的科技創新,預估2021年以前可達每年成長40%,產值達66億美元的規模。人工智慧將為醫療帶來革命性的影響。
瑞吉娜巴茲蕾教授:這麼多年來,我們一直深信癌症會由生理醫學家治好,如今該是我們(電腦科學家)把這個機會拿回來 給醫療領域帶來重大改變的時刻。
切片檢查準確度 在 有比肝切片更有效率的檢查... - YouTube 的推薦與評價
... <看更多>