人工智能计划准确预测肺癌风险

根据期刊发表的研究,人工智能(AI)计划准确预测筛选CT上检测到的肺结节将成为癌症的风险将成为癌症放射学

据世界卫生组织称,肺癌是全世界癌症死亡的主要原因,估计有180万人死亡。低剂量胸部CT用于筛选人们以高危肺癌的风险,例如长期吸烟者。已经显示出显着降低肺癌死亡率,主要是通过帮助在早期检测癌症时更容易成功治疗。

虽然肺癌通常在CT图像上显示为肺结节,但大多数结节是良性的,并且不需要进一步的临床疗效。因此,良性和恶性结节之间的准确区分对于早期捕获癌症至关重要。

对于新的研究,研究人员使用深度学习开发了一种用于肺结核评估的算法,一种能够在成像数据中找到某些模式的AI应用程序。研究人员培训了在全国肺筛查试验中培训了超过16,000个结节的CT图像的CT图像算法,包括1,249名恶性肿瘤。他们验证了丹麦肺癌筛选试验的三大成像数据上的算法。

深度学习算法具有优异的效果,优于肺结结恶性风险估算的肺癌模型的成熟泛癌模型。它与11名临床医生相媲美,其中包括四名胸部放射科医师,五位放射学居民和两名脉络剂。

“该算法可以帮助放射科医师准确估算肺结核的恶性风险”该研究首次作者Kiran Vaidhya Venkadesh,博士学位。Radboud大学医疗中心在荷兰尼司根的Radboud大学医疗中心候选人候选人。“这可能有助于优化肺癌筛查参与者的后续建议。”

研究人员说,该算法可能对诊所带来了几种额外的益处。

“由于它不需要手动解释结节成像特性,所以所提出的算法可以减少CT解释中的大量Interobserver变异性,”在尼司根Radboud大学医疗中心医学成像部助理教授的高级作者Colin Jacobs。“这可能导致不必要的诊断干预措施较少,放射科学家的工作量降低,降低肺癌筛查的成本。”

研究人员计划通过纳入年龄,性和吸烟历史等临床参数继续改善算法。

它们还在研究深度学习算法,该算法将多个CT检查作为输入。目前算法非常适合于分析初始的​​结节,或基线,筛选,但对于在随后的筛选时检测到的结节,与先前的CT相比,生长和外观是重要的。

Jacobs和同事博士已经开发出其他算法,以可靠地从与慢性阻塞性肺疾病和心血管疾病相关的胸部CT提取成像特征。他们将研究如何将这些成像特征有效地集成到当前算法中。

来源:https://www.rsna.org/

告诉我们你的想法

您是否有审核,更新或您想要添加此新闻故事的任何内容?

留下您的反馈意见
提交