![winniewei的头像 winniewei的头像](https://cdn.eetrend.com/cdn/farfuture/KzqpEnq9BF2rpyA8aIM4cSJNoyzJ2Ri9Hgoti_m9s2E/mtime:1630762143/files/styles/picture200/public/pictures/picture-709-1583200707.jpg?itok=i2ZF6LPv)
根据发表在《放射学》杂志上的一项研究,一个人工智能(AI)程序准确地预测了在CT筛查中检测到的肺结节将变成癌症的风险。据世界卫生组织称,肺癌是全世界癌症死亡的主要原因,估计2020年就有约180万人死亡。研究人员将低剂量胸部CT用于筛查肺癌的高风险人群,如长期吸烟者。它已被证明可以大大降低肺癌的死亡率,主要是通过帮助在早期阶段发现癌症,而此时癌症更容易成功治疗。
虽然肺癌通常在CT图像上显示为肺部结节,但大多数结节是良性的,不需要进一步的临床检查。因此,准确区分良性和恶性结节对于早期发现癌症至关重要。
在这项新研究中,研究人员利用深度学习开发了一种肺部结节评估算法,这是一种能够在成像数据中找到某些模式的人工智能应用。研究人员在全国肺部筛查试验中的16000多个结节的CT图像上训练了该算法,其中包括1249个恶性肿瘤。他们在丹麦肺癌筛查试验中的三组大型结节成像数据上验证了该算法。
深度学习算法取得了优异的成绩,在肺结节恶性肿瘤风险估计方面超过了既定的泛加拿大肺癌早期检测模型。它的表现与11名临床医生相当,包括4名胸腔放射科医生、5名放射科住院医生和2名肺科医生。
该研究的第一作者、荷兰奈梅亨的拉德堡德大学医学中心诊断图像分析组的博士候选人Kiran Vaidhya Venkadesh说:“该算法可能有助于放射科医生准确估计肺部结节的恶性风险。这可能有助于优化对肺癌筛查参与者的后续建议。”
研究人员说,该算法有可能给临床带来几个额外的好处。“由于不需要人工解释结节的成像特征,拟议的算法可能会减少CT解释中大量的观察者之间的变异,”研究资深作者、拉德堡德大学医学中心医学成像系助理教授Colin Jacobs博士说。“这可能会减少不必要的诊断干预,降低放射科医生的工作量,并减少肺癌筛查的成本。”
研究人员计划通过纳入年龄、性别和吸烟史等临床参数继续改进该算法。他们还在研究一种深度学习算法,将多个CT检查作为输入。目前的算法非常适用于分析初始或基线筛查时的结节,但对于在后续筛查中发现的结节,与之前的CT相比,其生长和外观非常重要。
Jacobs博士及其同事已经开发了其他算法,以可靠地从与慢性阻塞性肺病和心血管疾病有关的胸部CT中提取成像特征。他们将研究如何将这些成像特征有效地整合到目前的算法中。
来源:cnBeta.COM