新的人工智能模型可检测出百分之九十的淋巴癌病例

发布时间：2024-03-26 16:37:07 栏目：精选百科

导读 近年来，利用人工智能进行的医学图像分析发展迅速。现在，迄今为止最大规模的研究之一是利用人工智能辅助图像分析淋巴瘤(淋巴系统癌症)进行...

近年来，利用人工智能进行的医学图像分析发展迅速。现在，迄今为止最大规模的研究之一是利用人工智能辅助图像分析淋巴瘤(淋巴系统癌症)进行的。瑞典查尔姆斯理工大学的研究人员开发了一种计算机模型，可以在 90% 的病例中成功发现淋巴结癌的迹象。



正在开发用于解释医学图像的新计算机辅助方法，以适应各种医疗状况。他们可以通过提供第二意见或对哪些患者最快需要治疗进行排名来减少放射科医生的工作量。

“用于解释医学图像的基于人工智能的计算机系统还可以让患者获得相同的专业知识，并能够在合理的时间内审查他们的图像，无论他们在哪家医院，也有助于提高医疗保健的平等性。系统不仅可以获取更多信息，还可以更轻松地治疗放射科医生很少看到图像的罕见疾病。”查尔姆斯理工大学电气工程系副教授 Ida Häggström 说道。

她与哥德堡大学萨尔格伦斯卡学院和萨尔格伦斯卡大学医院密切合作，参与了癌症领域以及心血管疾病、中风和骨质疏松症等许多其他医疗领域的医学成像的开发。

追踪淋巴系统癌症的大型研究

Ida Häggström 与纽约纪念斯隆凯特琳癌症中心等临床活跃的研究人员一起开发了一种计算机模型，该模型最近发表在《柳叶刀数字健康》上。

“基于 5,000 多名淋巴瘤患者的 17,000 多张图像，我们创建了一个学习系统，其中的计算机经过训练可以发现淋巴系统中癌症的视觉迹象，”Häggström 说。

在这项研究中，研究人员检查了十多年前的图像档案。他们将患者的最终诊断与治疗前后的正电子发射断层扫描(PET)和计算机断层扫描(CT)扫描进行了比较。然后，这些信息被用来帮助训练人工智能计算机模型，以检测图像中淋巴结癌的迹象。

监督训练

Ida Häggström 开发的计算机模型被称为 Lars，淋巴瘤人工读取系统，是一个基于人工智能的所谓深度学习系统。它的工作原理是输入正电子发射断层扫描 (PET) 图像并使用人工智能模型分析该图像。它经过训练以查找图像中的模式和特征，以便对图像是阳性还是阴性(即是否包含淋巴瘤)做出最佳预测。

“我使用了所谓的监督训练，将图像显示给计算机模型，然后计算机模型评估患者是否患有淋巴瘤。该模型还可以看到真实的诊断结果，因此如果评估错误，计算机就会模型经过调整，使其在确定诊断方面逐渐变得越来越好，”Häggström 说。

在实践中，计算机模型使用人工智能和深度学习进行诊断到底意味着什么?

“事实上，我们没有在模型中编写关于它应该查看图像中的哪些信息的预定指令，而是让它自学哪些图像模式很重要，以便获得可能的最佳预测。

放射科医生的支持

Ida Häggström 描述了教计算机检测图像中的癌症的过程非常耗时，并表示完成这项研究花了几年时间。制作如此大量的图像材料是一项挑战。调整计算机模型以区分癌症和放疗和化疗后图像中可以看到的临时治疗特异性变化也具有挑战性。

“在这项研究中，我们估计计算机模型的准确性约为百分之九十，特别是在难以解释的图像的情况下，它可以支持放射科医生的评估。”

然而，如果要在临床实践中使用计算机模型，仍然需要做大量的工作来验证它。

“我们现在已经提供了计算机代码，以便其他研究人员可以继续在我们的计算机模型的基础上开展工作，但需要进行的临床测试非常广泛，”Häggström 说。