人工智能准确预测肺癌风险

时间：2021-05-20 00:00:00 来源：网络整理

发表在《放射学》杂志上的一项研究称，一种人工智能(AI)程序可以准确预测通过CT筛查发现的肺结节癌变的风险。

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被用于筛查肺癌高危人群，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利用深度学习评估肺结节的算法，这是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。”

研究人员说，该算法可能会给临床带来一些额外的好处。

“由于它不需要手动解释结节的成像特征，所提出的算法可能会减少CT解释中观察者之间的实质性差异，”高级作者Colin Jacobs博士说，他是奈梅根Radboud大学医学中心医学影像学系的助理教授。“这可能会减少不必要的诊断干预，减少放射科医生的工作量，并降低肺癌筛查的成本。”

研究人员计划通过纳入年龄、性别和吸烟史等临床参数来继续改进算法。

他们还在研究一种深度学习算法，将多次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的算法中。

# # #

"Deep Learning for Malignancy Risk Estimation of pulmonary Nodules Detected at Low-Dose Screening CT." Collaborating with Kiran V. Venkadesh and Colin Jacobs, ph.D., were Arnaud A. A. Setio, ph.D., Anton Schreuder, M.D., Ernst T. Scholten, M.D., ph.D., Kaman Chung, M.D., ph.D., Mathilde M. W. Wille, M.D., ph.D., Zaigham Saghir, M.D., ph.D., Bram van Ginneken, ph.D., and Mathias prokop, M.D., ph.D.

郑重声明：文章仅代表原作者观点，不代表本站立场；如有侵权、违规，可直接反馈本站，我们将会作修改或删除处理。