Elliot Fishman博士是约翰·霍普金斯医院（世界上最大的胰腺癌治疗中心之一）的放射诊断医师。他的工作是通过CT扫描影像发现胰腺癌，但疾病发现之时却通常已处于较晚期而无法治愈。
因为胰腺癌症状很少在早期阶段显现出来，所以在癌症扩散之前，大多数病患并未进行CT扫描或其他检查。癌症扩散之后，患者存活的几率非常低：五年存活率只有7%，这一几率在所有癌症中是最低的。
“我们的目标是在早期检测出胰腺癌，从而挽救生命。”Fishman说道。
Fishman计划应用GPU加速的深度学习发现胰腺癌，将比仅靠人力更早发现癌症症状。他协助牵头约翰·霍普金斯医院的Felix项目，该项目获得卢斯特加登基金会（Lustgarten Foundation）的数百万美元资助，旨在提高医生检测病灶的能力。
深度学习助力发现潜伏期绝症
胰腺是位于胃后面的六英寸长的器官，其在将食物转化为供给身体细胞的养分的过程中发挥着重要作用。胰腺的位置在腹部深处，所以医生在常规检查中很难察觉到它，而且使用CT扫描等影像学检查也很难检测到肿瘤。
一些像Fishman这样的放射科医师每年会见到数千例胰腺癌病例。但其他医师缺乏发现这种疾病的经验，在病灶（器官和组织异常情况）最小的早期阶段尤其如此。
“如果病患做了扫描检查但未能确诊，我们还能做些什么？”Fishman在最近GPU技术大会上的一次演讲中发问道。“我们相信深度学习会有所帮助。”
约翰·霍普金斯医院非常适合开发深度学习解决方案，因为它有胰腺癌相关的海量数据，这些数据可以教计算机通过CT扫描检测这种疾病。医院还为研究人员配备NVIDIA DGX-1 AI超级计算机，这是进行深度学习研究的必要工具。
更准确地检测胰腺癌
Fishman与由计算机科学家、肿瘤学家、病理学家和其他医师组成的团队合作，帮助训练深度学习算法，以发现胰腺以及附近器官组织的微小结构变化。这些变化通常正是癌症的先兆。
该团队使用了大约2000幅CT扫描影像（包括800幅胰腺癌确诊病患的影像）来训练其算法。然而这并非易事。尽管约翰·霍普金斯医院拥有足够的数据，但仍需要标记影像来指出对确定胰腺状态比较重要的关键特征。每个病例大约耗时四小时，这是一项艰巨的任务。
在项目第一年，该团队训练的算法识别胰腺及其周围器官的准确率达到了70%。在今年的测试中，深度学习模型检测胰腺癌的准确率已达到约90%。
早期诊断成为可能
现在，该团队正在研究未能检测出癌症的情况，以改进算法。除了识别肿瘤细胞之外，该团队还致力于预测可能的存活率以及患者是否适合手术。
解决这一问题迫在眉睫，因为尽管目前胰腺癌依然少见，但患者人数呈上升趋势。就在不久之前，胰腺癌还是美国癌症死亡的第四大诱因，而今天它已经排名第3。此外，只有不到五分之一的病患在报告时符合手术条件（手术是治疗这种疾病的主要方法）。
对于Fishman而言，深度学习检测方法意味着能尽早做出诊断。他估计，在自己见到的病例中有接近三分之一能够提前4到12个月检测出这种疾病。
“我们希望将计算机训练成为世界上最出色的放射科医师。”Fishman说，“我们希望能够有所作为。”
如需详细了解Fishman的研究，可观看他的GTC演讲，即The Early Detection of Pancreatic Cancer Using Deep Learning: Preliminary Observations。