AI模型可以幫助放射科醫(yī)生診斷肺癌

小編發(fā)現(xiàn)不少朋友對(duì)于 AI模型可以幫助放射科醫(yī)生診斷肺癌 這方面的信息都比較感興趣，小編就針對(duì) AI模型可以幫助放射科醫(yī)生診斷肺癌 整理了一些相關(guān)方面的信息 在這里分享給大家。

根據(jù)《學(xué)術(shù)放射學(xué)》上發(fā)表的一項(xiàng)新研究，基于深度學(xué)習(xí)的預(yù)測(cè)模型可以幫助醫(yī)療保健提供者診斷小肺結(jié)節(jié)。

“雖然在臨床領(lǐng)域中快速，輕松地應(yīng)用基于深度學(xué)習(xí)的模型很重要，但迄今為止，很少有文章關(guān)注其實(shí)用性，”韓國(guó)春北大學(xué)生物醫(yī)學(xué)研究所的Kum J. Chae醫(yī)師寫(xiě)道。國(guó)立大學(xué)醫(yī)院和同事。“因此，本研究的目的是開(kāi)發(fā)一種快速，簡(jiǎn)單的基于深度學(xué)習(xí)的模型，以對(duì)CT圖像上的小肺結(jié)節(jié)進(jìn)行分類(lèi)，并初步評(píng)估該模型的性能和對(duì)人類(lèi)檢查者的有用性。”

Chae的團(tuán)隊(duì)收集了2015年1月至2017年12月在同一家醫(yī)院接受了CT增強(qiáng)掃描的患者的數(shù)據(jù)。小于5毫米且大于20毫米的結(jié)節(jié)被排除在研究之外，該決定“旨在評(píng)估深度學(xué)習(xí)模型對(duì)難以診斷的結(jié)節(jié)的影響，需要第二種意見(jiàn)。”

最終的數(shù)據(jù)集包括208個(gè)結(jié)節(jié)(114個(gè)良性和94個(gè)惡性結(jié)節(jié))，研究人員將30個(gè)良性和30個(gè)惡性結(jié)節(jié)分配給了測(cè)試集。另一個(gè)84個(gè)良性和64個(gè)惡性結(jié)節(jié)用于訓(xùn)練和驗(yàn)證組。兩名專(zhuān)科放射科醫(yī)生對(duì)所有CT掃描進(jìn)行了審查。

作者為此研究開(kāi)發(fā)了定制的深度學(xué)習(xí)模型CT-lungNET。然后將其性能與可信賴(lài)的卷積神經(jīng)網(wǎng)絡(luò)(CNN)體系結(jié)構(gòu)AlexNET進(jìn)行比較，該體系結(jié)構(gòu)用于通過(guò)轉(zhuǎn)移學(xué)習(xí)來(lái)診斷肺結(jié)節(jié)。

總的來(lái)說(shuō)，當(dāng)對(duì)小肺結(jié)節(jié)進(jìn)行分類(lèi)時(shí)，CT-lungNET的接收器工作曲線下面積(AUROC)為0.85。這高于AlexNET記錄的AUROC(0.82)。與AlexNET相比，CT-lungNET在每個(gè)圖像切片上的處理速度也更快(0.90秒，而8.79秒)。

當(dāng)該模型用作第二審稿人時(shí)，對(duì)放射科醫(yī)生的解釋沒(méi)有重大影響，但確實(shí)對(duì)非放射科醫(yī)生有幫助，平均AUC改善了0.13。

作者寫(xiě)道：“我們的初步結(jié)果表明，與AlexNET相比，CT-lungNET在未增強(qiáng)的胸部CT上顯示出更準(zhǔn)確，更快速的小肺結(jié)節(jié)分類(lèi)，” “盡管在檢查了CT-lungNET的結(jié)果后放射線醫(yī)師的表現(xiàn)并未顯著提高，但非放射線醫(yī)師的診斷準(zhǔn)確性得到了提高。”

研究人員觀察到，諸如CT-lungNET之類(lèi)的深度學(xué)習(xí)模型可以提高對(duì)放射科醫(yī)生結(jié)論的信心，即使它不一定能夠提高他們的閱讀性能。