5月20日,知名医学期刊《自然医学》报告了一个人工智能肺癌检测系统,该系统可以通过胸部计算机断层扫描图像(CT)检测恶性肺结节,检测水平超过专业放射科医生。 《自然医学》评价称,该深度学习模型提供了一个自动化的图像评估系统,能够提高早期肺癌诊断的准确性,为临床干预提供依据。 《自然医学》论文截图,图为总体建模框架。 该论文提到,肺癌是美国最常见的癌症死因,2018年约有16万人因此死亡。美国及欧洲的大型临床实验表明,胸部筛查可以识别肺癌并且降低死亡率。但胸部筛查本身存在错误率较高和适用性有限的问题,影响了肺癌的早期检测和后续治疗。 谷歌人工智能部门的Daniel Tse与斯坦福、纽约大学等机构的研究人员合作,开发了一个深度学习模型。他们在42290个CT扫描图像上对模型进行训练,使其能够在没有人为参与的情况下,预测肺结节的恶性程度。 他们发现,人工智能系统能够在6716例测试病例中检测出微小的恶性肺结节,准确率达94%。 研究人员认为,该研究显示了深度学习模型在提高全世界肺癌筛查的准确性、一致性和采用率方面的潜力,可能有助于改善肺癌患者的治疗和预后过程。研究人员同时指出,上述发现仍需在大量患者中进行临床验证。 据英国《每日电讯报》报道,2019年5月7日,谷歌在2019年开发者大会上宣布,其研发的人工智能技术可以比医生早一年查出肺癌,使患者存活的概率提升40%。
|