人工智能预测肺癌风险

该杂志发表的一项研究称，一种人工智能(AI)程序准确预测了CT筛查发现的肺结节癌变的风险放射学。

肺癌是全球癌症死亡的主要原因，据世界卫生组织(World Health Organization)的数据，2020年估计有180万人死于肺癌。低剂量胸部CT用于筛查高危人群肺癌，比如长期吸烟者。研究表明，它可以显著降低肺癌死亡率，主要是通过帮助在癌症较容易成功治疗的早期阶段发现癌症。

虽然肺癌在CT图像上通常表现为肺结节，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，研究人员开发了一种评估肺结节的算法深度学习，一种能够在成像数据中找到特定模式的人工智能应用。研究人员对来自国家肺部筛查试验(National Lung Screening Trial)的16000多个结节的CT图像进行了训练，其中包括1249个恶性肿瘤。他们在丹麦肺癌筛查试验的三组结节成像数据中验证了该算法。

深度学习算法取得了优异的结果，优于建立的Pan-Canadian Early Detection of Lung Cancer模型用于肺结节恶性肿瘤风险估计。与11名临床医生(包括4名胸廓放射科医生、5名放射科住院医生和2名肺科医生)进行比较。

该研究的第一作者、荷兰奈梅亨内梅亨大学医学中心(Radboud University Medical Center)诊断图像分析小组的博士候选人Kiran Vaidhya Venkadesh说:“该算法可以帮助放射科医生准确地估计肺肿瘤的恶性风险。”“这可能有助于优化肺癌筛查参与者的后续建议。”

该算法可能会带来几个额外的好处研究人员说，临床。

“由于它不需要手动解释结节成像特性，所提出的算法可以减少CT解释中的大量Interobserver变异性，”Radboud University医疗部医学成像部的助理教授博士说，博士说，“高级作者Colin Jacobs”。中心在尼姆嫩根。“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。

他们还在研究深入学习算法以多次CT检查作为输入。目前的算法非常适合在初始或基线筛查时分析结节，但对于后续筛查时发现的结节，与之前CT相比的生长和外观是重要的。

雅各布斯博士及其同事开发了其他算法，以可靠地提取与慢性阻塞性肺疾病和心血管疾病相关的胸部CT图像特征。他们将研究如何有效地将这些成像特征整合到当前算法。

---

---