近日，在《自然·醫學(xué)》（Nature Medicine）最新上線(xiàn)發(fā)表的一篇論文中，谷歌健康研究部門(mén)和美國西北大學(xué)醫學(xué)院等機構的科學(xué)家們合作帶來(lái)一款人工智能（AI）系統——它能夠根據胸部CT掃描，對惡性肺結節進(jìn)行檢測分析，從而對肺癌進(jìn)行早期診斷。與放射醫學(xué)專(zhuān)家相比，它的準確性甚至要更為優(yōu)越！
肺癌目前是全世界發(fā)病率和死亡率的癌癥，也是中國癌癥患者的頭號殺手。大規模臨床試驗表明，胸部低劑量CT掃描可以發(fā)現肺癌的重要特征，將死亡率降低20%~43%，這是肺癌篩查的首選方式。
然而精準地檢出結節是一個(gè)挑戰——篩查方法錯誤率很高，因此實(shí)用性有限?？紤]到還有其他臨床因素的影響，許多肺癌在發(fā)現時(shí)已是晚期，難以有效治療。如何提高肺癌早期診斷的準確性，是科學(xué)家們想要讓AI充分發(fā)揮優(yōu)勢來(lái)解決的問(wèn)題。
為此，谷歌的AI科學(xué)家們開(kāi)發(fā)了一種深度學(xué)習模型。這是一種通過(guò)實(shí)例來(lái)教會(huì )計算機學(xué)習的AI技術(shù)。
研究人員使用了來(lái)自近1.5萬(wàn)名患者的4萬(wàn)多張CT掃描圖像訓練AI，其中有近600名患者在一年內經(jīng)活檢證實(shí)患有癌癥。
“放射科醫生一般會(huì )在單次CT掃描中檢查數百張二維橫截面，但我們讓新的機器學(xué)習系統在一個(gè)巨大的三維圖像中觀(guān)察肺部。”這項研究的共同作者，西北大學(xué)的Mozziyar Etemadi教授介紹。
可疑肺結節的生長(cháng)速度是惡性腫瘤的重要指示，為了讓AI在無(wú)人類(lèi)參與的情況下學(xué)會(huì )預測肺結節的惡性程度，研究者在訓練AI時(shí)不僅準備了患者初次確診時(shí)的CT掃描作為輸入，還使用了更早之前的CT掃描進(jìn)行比對。“AI不僅要看當前的CT掃描，還要比對先前的掃描結果，因此理論上講，這是一種‘4D’掃描。” Etemadi教授補充。
在6716個(gè)測試病例中，這套深度學(xué)習模型的準確性接受了檢驗。結果顯示，它能夠以94%的準確率發(fā)現極小的惡性肺結節。
同時(shí)，AI與六名平均有8年臨床經(jīng)驗的放射科醫師進(jìn)行了“較量”，表現亮眼。在有先前CT掃描圖像的情況下，AI系統與放射科醫生的成績(jì)不相上下。而在無(wú)先前CT掃描圖像的情況下，AI的表現甚至超越所有6位放射醫學(xué)專(zhuān)家，假陽(yáng)性減少11%，假陰性減少5%。高靈敏度和低漏檢率意味著(zhù)，如果在臨床環(huán)境使用，可以減少不必要的隨訪(fǎng)帶來(lái)的額外負擔，同時(shí)更少錯過(guò)腫瘤。
盡管作者提醒說(shuō)，這一模型還需要經(jīng)過(guò)大規模的臨床驗證，但這一發(fā)現仍展現了改善肺癌患者管理和預后的希望。以AI強大的學(xué)習能力，我們期待經(jīng)過(guò)臨床驗證，這樣的系統可以早日輔助醫生評估肺癌篩查，為患者盡早擒拿肺癌這一殺手。
本文題圖來(lái)自Pixabay
參考資料
[1] Diego Ardila et al., (2019) End-to-end lung cancer screening with three-dimensional deep learning on low-dose chest computed tomography, Nature Medicine . DOI: 10.1038/s41591-019-0447-x
[2] Artificial intelligence system spots lung cancer before radiologists. Retrieved May 21, from https://medicalxpress.com/news/2019-05-artificial-intelligence-lung-cancer-radiologists.html
點(diǎn)擊下圖，觀(guān)眾預登記成功送20元話(huà)費
合作咨詢(xún)
肖女士
021-33392297
Kelly.Xiao@imsinoexpo.com
2006-2025 上海博華國際展覽有限公司版權所有（保留一切權利）
滬ICP備05034851號-57
