人工智能算法可以简化肺癌放射治疗

肺癌最常见的癌症,在世界范围内,目标是与放疗(RT)近一半的病例。RT计划是一个手动,资源密集型的过程可以持续数天到数周才能完成,甚至是训练有素的医生不同的多少决定组织目标与辐射。此外,放射肿瘤学医生和诊所的短缺预计将成长为全球癌症发病率增加。布莱根妇女医院研究人员和合作者,在工作人工智能在医学上的程序质量一般的布里格姆,开发和验证一个深入学习算法可以识别和大纲(“段”)一个非小细胞肺癌(NSCLC)肿瘤在计算机断层扫描(CT)扫描在几秒钟内。他们的研究发表在柳叶刀数字医疗,也表明放射肿瘤学家使用以及执行的算法在模拟诊所医生没有使用该算法,工作时迅速增加了65%。

“最大的医学翻译差距在人工智能应用程序是未能研究如何使用AI改进人类的临床医生,反之亦然,”说通讯作者医学博士雷蒙德•麦布里格姆的放射肿瘤学部门。“我们正在研究如何使human-AI合作和协作,导致对病人有更好的效果。这种方法对患者的好处包括更大的分段治疗肿瘤和加速时间的一致性。临床医生的好处包括减少平凡但困难的电脑工作,可减少倦怠和增加他们玩游戏的时间与病人。”

研究人员从787例患者使用CT图像训练他们的模型肿瘤区别于其他组织。他们测试了算法的性能使用扫描从超过1300患者越来越多的外部数据集。开发和验证算法涉及数据科学家之间的密切合作和放射肿瘤学家。例如,当研究人员发现该算法是正确分割CT扫描包括淋巴结,他们重新训练模型更多的扫描来改善其性能。

最后,研究人员要求8放射肿瘤学家执行分割任务以及速度和编辑分割产生的另一位专家医生或算法(他们没有被告知)。没有明显human-AI协作之间的性能差异和人类活动(新创)分割。有趣的是,医生工作快65%和32%的变异在编辑一个AI-produced分割一个手工制作相比,尽管他们不知道哪一个编辑。他们也认为质量AI-drawn分割比人类更高度expert-drawn分割盲法研究。

展望未来,研究人员计划把这项工作与人工智能模型之前他们设计,可以识别接收干扰辐射的风险“器官”在癌症治疗(如心脏),从而把它们排除在放射治疗。他们正在继续研究医生如何与人工智能交互,确保AI-partnerships帮助,而不是伤害,临床实践,并正在开发第二,独立分割算法可以验证人类和AI-drawn分割。

“这项研究提出了一种新颖的评价策略的人工智能模型,强调human-AI协作的重要性,”作者说雨果Aerts博士美国放射肿瘤学。“这是必要的,因为尤其如此在网上(先一古脑地复制很多计算机建模)比临床评估评估可以给不同的结果。我们的方法可以帮助铺平道路走向临床的部署。”

参考:Hosny, Bitterman DS, guthy简历,等。临床验证深度学习算法对非小细胞肺癌放疗定位:一项观察性研究。柳叶刀数字健康。2022;4 (9):e657-e666。doi:10.1016 / s2589 - 7500 (22) 00129 - 7

本文从以下转载材料。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。