一个新的人工智能模型更准确的肺癌诊断

肺癌是最致命的癌症之一,在美国5年生存率仅为18.6%。的来源包括癌症相关死亡的主要原因职业接触有毒物质,如石棉。即使接触石棉已经停止,之前的持续和长期暴露在工作场所可以导致疾病的演变。

肺癌的生存率可能贫穷,因为通常情况下,医生发现,当它已经很难治疗。目前,医学专家诊断84%肺癌的情况下在一个先进的阶段。肺癌的预后更好由放射科医生早期发现肺癌。

人工智能(AI)模型及时发现可能有助于拯救许多人。人工智能程序已经发现微妙的模式在计算机断层扫描(CT)扫描的病人,可以更精确的比训练有素的放射科医生在肺结节检测。

人工智能模型检测恶性结节比训练有素的放射科医生更准确

肺癌诊断是通过检查的样本肺细胞在实验室。然而,一些肺癌筛查可以发现,这意味着测试患者没有症状或疾病的历史。

唯一的肺癌筛选试验,建议是低剂量CT。使用这些CT图像,医务人员可以识别相关的肺结节病。然而,放射科医生的数量评估肺图像没有跟上需求。劳累放射科医生可能犯错的结果他们沉重的工作量。

人工智能技术能协助通过负载劳累医生和鉴别肺点不明显的人类的眼睛。

研究发表在《华尔街日报》放射学发现肺结节的人工智能程序评估使用深度学习(DL)可以识别特定的模式成像数据并提供优秀的结果。从荷兰的研究,专家们用CT扫描16000多结节从国家肺癌筛查试验指导DL算法预测肺结节的恶性肿瘤风险。扫描不仅最近也从之前的病人被诊断为肺癌。

该算法优于PanCan模型,预测结节恶性肿瘤的风险。程序可以识别和测量肿瘤CT扫描异常准确,性能与胸放射科医生。

模型将被添加增强临床方面,比如年龄、性别、吸烟史。当人工智能算法被充分证实,他们总有一天会成为肺癌筛查的一个组成部分。

在另一项研究中在扫描,一个人工智能系统还发现结节的病人比训练有素的放射科医生更准确。这个系统同样依赖于DL确定肺结节CT扫描方法。

研究人员使用一个库超过40000 CT扫描训练算法。随着时间的推移,计算机学的视觉属性区分恶性和良性的补丁,它提高了能力检测早期癌症的迹象。它表现一组六个老练的放射科医生检测早期肺癌的94%的时间。

肺癌筛查的新可能性

CT误诊的肺癌是由很多原因引起的,其中许多是极其相似的。 一项研究显示,放射科医生误诊的观察者错误是最重要的原因。错误是指扫描、识别、决策和满意度的搜索。

最后,结果是放射科医生往往不能准确识别恶性结节。即使他们已经使用计算机辅助诊断方法来帮助检测恶性结节,这浪费了很多时间。系统由人类程序员经常指示特性来寻找。尽管如此,计算机识别许多怀疑肿瘤是良性的,需要逐个放射科医生评估。

正如前面提到的,需要及早发现推动人工智能的发展项目能够更有效地检测和测量肿瘤细胞。这些人工智能系统是基于DL。DL系统使用的实际样本发现结节是什么。研究人员提供一个巨大的数据集的算法,包括数以百计的CT扫描人的肺,一些与癌症和其他人没有。因此,机器可以看到肺癌结节是什么样子。

训练图像系统看到的越多,就越能更好区分肺癌和良性的斑点。他们用精度比老,non-AI系统。一些DL算法也为临床医生提供一个评估的信心水平的判断,可以帮助他们做出更好的治疗决策。

筛选精度也提高了系统的容量评估一个完整的3 d CT扫描,而不是一系列的2 d切片。此外,3 d扫描提供更多的诊断信息功能之外的潜在的肿瘤,如动脉。

人工智能是重大进展

与人工智能执行一些努力,肺癌筛查项目可能拯救许多生命cost-without把尽可能多的放射科医生压力较低。因此,人工智能模型的潜在优势包括降低不必要的诊断治疗,肺癌筛查的费用和放射科医生的工作量。

基于ai评估模型将有利于病人,家属和护理人员。尽管起步阶段,该模型可以在未来扮演重要角色的肺癌诊断,导致了越来越多的证据支持使用人工智能在全球医疗进步,打开新疗法的临床试验。

人工智能将在放射学进入了一个关键的新阶段,由于越来越多的研究。迄今为止,研究人员致力于如何确定具体问题在建设之前,训练、测试和验证的人工智能模型在不同的人群。

现在开始最关键的一步,它仍然处于初期阶段:全球全面评估临床上一旦模型实现的。这个评估应该包括可靠的方法检测癌症的敏感率和假阳性结果的百分比。