知多啲:磁力共振不涉輻射 對胎兒較安全

【明報專訊】懷孕時,出現乳房腫瘤、腰痠背痛、疲倦乏力等,究竟是正常情况,還是癌症徵兆? 癌症徵兆易誤當孕期不適 黎詠詩指,孕婦容易混淆孕期不適現象及癌症發作徵兆,因而延誤求診。她曾接觸一名患有胰臟癌的孕婦,她最初不時感到背脊肌肉疼痛,誤以為是懷孕常見的不適現象,至接受磁力共振檢查後,才發現有淋巴腫脹,繼而確診胰臟癌。 不少癌症檢查方法牽涉輻射,準媽媽擔心有損胎兒健康,或因而遲遲不求醫,致延誤診斷,加重病情。黎詠詩指出,常見癌症檢查有X光、電腦斷層掃描(CT)、磁力共振(MRI)等。以乳房造影為例,孕婦接受X光或電腦斷層掃描時,輻射只集中在胸部,基本上對腹腔胎兒影響不大,若再加上鉛板遮蓋腹部,進一步確保胎兒安全。而MRI不涉及輻射,對胎兒安全。 乳房造影無虞 正電子掃描不宜 不過,常用作評估和診斷癌症的正電子掃描(PET-CT),輻射量高,孕婦不宜。 Read more

醫言有理:懶理高血壓 中風昏迷奪命

70歲的陳伯有「高血壓」(Hypertension)多年,需要長期服藥,以控制血壓在正常水平。陳伯經常不依時服藥,因此他的血壓指數經常處於高位,並不理想。那天,陳伯在洗手間如廁時突然倒地,即時進入昏迷狀態,幸好兒子就在附近,馬上把他送院。 Read more

【了解肺癌】中大AI讀CT圖 30秒辨早期肺癌 準確率逾九成 冀兩年後港醫院應用

【明報專訊】香港中文大學工程學院開發以人工智能(AI)深度學習系統,判讀電腦斷層掃描(CT)及病理組織切片等醫學影像,並針對肺癌及乳腺癌的影像做研究,結果發現利用人工智能判讀此兩種癌症的醫學影像,準確率分別達91%及99%,識別過程只需30秒至10分鐘,較傳統肉眼診斷省時。團隊指研發結果獲得醫學界正面回應,期望產品兩年後可應用於本港醫院。 深度學習系統似AlphaGo 中大計算機科學與工程學系教授王平安解釋,智能深度學習(Deep Learning)系統是指電腦模仿人類大腦,將所蒐集的數據,再根據操作員或醫生的指示和講解,將數據分析,從而按操作員的修改等動作再自行學習,改善程式內容,原理類似智能下棋程式AlphaGo,會自行依數據思考及分析。 每次數百張CT圖 肉眼讀費時費神 王平安指,早期肺癌多以肺小結節的形式出現,即肺部出現陰影,現時醫生主要透過胸腔CT圖像做檢查,但每次檢查都會產生數百張圖像,需花長時間用肉眼逐張觀察,非常費神。其團隊採用深度學習技術判讀CT掃描影像,結果發現只需30秒,便可自動識別出肺部陰影位置,準確度達91%,而肉眼檢查約需5分鐘。 王平安表示,一般乳腺癌要通過乳房X光造影或MR掃瞄檢測硬塊位置,醫生需切取活組織樣本,再用顯微鏡拍攝圖像,檢測淋巴結轉移,但每幅圖解像度極高,令檢測過程費時費力。團隊為此開發了一種新的深層疊卷積神經網絡,分階段處理乳腺癌切片圖像,先作較粗略但能保持高靈敏度的快速預測模型,重構出更精密而準確的預測結果,最後定位並挑選含淋巴結轉移的圖像。整個過程只需約5至10分鐘,準確度達98.75%,而靠肉眼則需15至30分鐘,準確度亦較前者低約兩個百分點。 與3北京醫院合作開發產品 中大計算機科學與工程學系博士研究生竇琪稱,智能深度學習可協助醫生觀看掃描圖像,當發現可疑圖像時,系統便會通知醫生。團隊5年前展開相關實驗,年花約300萬元,並多次就有關實驗參與國際學術比賽。今次肺癌和乳腺癌的研發數據來自多個國家、共逾3500名病人,研發結果亦在國際學術比賽中名列前茅,獲醫學界正面回應,現聯同3間北京的醫院合作開發相關產品,為癌症早期診斷和治療提供可靠數據,亦開始與本港公立醫院洽商,期望兩年後技術可在本港醫院應用。 專題系列文章 Read more