Nat Med：利用人工智能准确地诊断肺癌，准确率高达94%
来源：本站原创 2019-05-29 06:17
2019年5月29日讯/生物谷BIOON/---在一项新的研究中，软件工程师和临床研究人员之间的合作产生了一个人工智能程序，该程序使用图像来预测哪些人将患上肺癌，准确率为94％。这个研究团队发现这个算法与放射科医师基于同一个人的多次计算机断层扫描（CT）来筛查癌症一样准确，并且当它仅能从一个人那里获得一次扫描时，它的表现优于医生。相关研究结果于2019年5月20日在线发表在Nature Medic
2019年5月29日讯/生物谷BIOON/---在一项新的研究中，软件工程师和临床研究人员之间的合作产生了一个人工智能程序，该程序使用图像来预测哪些人将患上肺癌，准确率为94％。这个研究团队发现这个算法与放射科医师基于同一个人的多次计算机断层扫描（CT）来筛查癌症一样准确，并且当它仅能从一个人那里获得一次扫描时，它的表现优于医生。相关研究结果于2019年5月20日在线发表在Nature Medicine期刊上，论文标题为“End-to-end lung cancer screening with three-dimensional deep learning on low-dose chest computed tomography”。
美国约翰霍普金斯大学肿瘤学家和流行病学家（未参与这项新的研究）表示，“这些人开发出的这种技术将极大地提高筛查的准确性。”
美国国家卫生研究院（NIH）之前针对吸烟者进行肺癌筛查的一项研究已发现，通过CT扫描检测这种疾病的早期症状可将死亡率降低大约20％，但是活组织检查等程序导致一些CT扫描出现假阳性的人死亡（NEJM, 2011, doi:10.1056/NEJMoa1102873）。为了了解人工智能（AI）是否可以增强放射科医师在分析CT扫描时的准确性，该研究团队将早期NIH研究中的数千次CT扫描输入到谷歌的计算机中，同时输入的还有患者的后期诊断结果。
在经过培训之后，该研究团队测试了这种算法基于新的CT扫描检测癌症的准确性，并将它与六位放射科医师进行了比较。随着时间的推移，当对一个人进行多次扫描时，这种算法的表现与放射科医师一样好，但是当仅有一张扫描图像可用时，相比于临床医师，它产生的假阴性减少了5％，假阳性减少了11％。
论文共同作者、美国西北大学的Mozziyar Etemadi表示，“它通常是正确的，科学探究的一个领域正在弄清楚其中的原因”---也就是说，这些研究人员还不知道这种算法利用扫描图像中的哪些特征作出判断。
美国斯克里普斯转化研究所的Eric Topol（未参与这项新的研究）表示，“我很有信心他们的发现将是有用的，但它必须得到证实。”
论文通讯作者、谷歌公司的Daniel Tse表示，该公司与美国食品药物管理局（FDA）讨论了让这个人工智能程序用于临床使用所需的步骤。他说，“为了对此进行全面评估，你必须与研究机构合作，并开展大规模临床试验以便了解这种技术如何在大规模和广泛的人群中发挥作用。”（生物谷 Bioon.com）
参考资料：
Diego Ardila et al. End-to-end lung cancer screening with three-dimensional deep learning on low-dose chest computed tomography. Nature Medicine, 2019, doi:10.1038/s41591-019-0447-x.
图片来自Nature Medicine, 2019, doi:10.1038/s41591-019-0447-x。
美国约翰霍普金斯大学肿瘤学家和流行病学家（未参与这项新的研究）表示，“这些人开发出的这种技术将极大地提高筛查的准确性。”
美国国家卫生研究院（NIH）之前针对吸烟者进行肺癌筛查的一项研究已发现，通过CT扫描检测这种疾病的早期症状可将死亡率降低大约20％，但是活组织检查等程序导致一些CT扫描出现假阳性的人死亡（NEJM, 2011, doi:10.1056/NEJMoa1102873）。为了了解人工智能（AI）是否可以增强放射科医师在分析CT扫描时的准确性，该研究团队将早期NIH研究中的数千次CT扫描输入到谷歌的计算机中，同时输入的还有患者的后期诊断结果。
在经过培训之后，该研究团队测试了这种算法基于新的CT扫描检测癌症的准确性，并将它与六位放射科医师进行了比较。随着时间的推移，当对一个人进行多次扫描时，这种算法的表现与放射科医师一样好，但是当仅有一张扫描图像可用时，相比于临床医师，它产生的假阴性减少了5％，假阳性减少了11％。
论文共同作者、美国西北大学的Mozziyar Etemadi表示，“它通常是正确的，科学探究的一个领域正在弄清楚其中的原因”---也就是说，这些研究人员还不知道这种算法利用扫描图像中的哪些特征作出判断。
美国斯克里普斯转化研究所的Eric Topol（未参与这项新的研究）表示，“我很有信心他们的发现将是有用的，但它必须得到证实。”
论文通讯作者、谷歌公司的Daniel Tse表示，该公司与美国食品药物管理局（FDA）讨论了让这个人工智能程序用于临床使用所需的步骤。他说，“为了对此进行全面评估，你必须与研究机构合作，并开展大规模临床试验以便了解这种技术如何在大规模和广泛的人群中发挥作用。”（生物谷 Bioon.com）
参考资料：
Diego Ardila et al. End-to-end lung cancer screening with three-dimensional deep learning on low-dose chest computed tomography. Nature Medicine, 2019, doi:10.1038/s41591-019-0447-x.
版权声明 本网站所有注明“来源：生物谷”或“来源：bioon”的文字、图片和音视频资料，版权均属于生物谷网站所有。非经授权，任何媒体、网站或个人不得转载，否则将追究法律责任。取得书面授权转载时，须注明“来源：生物谷”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
87%用户都在用生物谷APP 随时阅读、评论、分享交流 请扫描二维码下载->
