有效的AI深度學(xué)習(xí)能夠區(qū)分小的實(shí)體腎腫塊

根據(jù)《放射學(xué)雜志》上發(fā)表的一項(xiàng)新研究，深度學(xué)習(xí)可能會(huì)幫助醫(yī)療保健提供者評(píng)估在某些對(duì)比增強(qiáng)CT檢查中檢測(cè)到的小腎臟腫塊。AI的性能在某些CT階段表現(xiàn)出色，但在其他階段卻不然。

岡山大學(xué)醫(yī)院放射科的第一作者田中隆史(Takashi Tanaka)及其同事寫(xiě)道：“動(dòng)態(tài)CT可以為分化小的實(shí)體腎腫塊提供有用的診斷信息。”“盡管如此，盡管有經(jīng)驗(yàn)的放射科醫(yī)生會(huì)仔細(xì)評(píng)估影像，但評(píng)估可能是主觀的，并在一定程度上受到每個(gè)放射科醫(yī)生的經(jīng)驗(yàn)的影響。此外，某些偶然發(fā)現(xiàn)的小腎臟腫塊……僅憑成像無(wú)法明確確定其是良性還是惡性;只有經(jīng)過(guò)明確的手術(shù)干預(yù)，他們才能最終被證明是良性的。”

作者旨在了解深度學(xué)習(xí)技術(shù)是否可以幫助改善小的實(shí)心腎腫塊的分化，從而為通常具有挑戰(zhàn)性的過(guò)程提供新的清晰感。他們的回顧性研究包括2012年至2016年接受CT成像的159例患者的168個(gè)實(shí)體腎腫塊。所有腫塊均小于4厘米，并且CT檢查均為增強(qiáng)，皮質(zhì)腎小管期(CMP)，腎原性期或排泄期。

田中等。將數(shù)據(jù)集分為五個(gè)數(shù)據(jù)集，其中四個(gè)集用于增強(qiáng)和訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)(CNN)。第五個(gè)也是最后一個(gè)數(shù)據(jù)集被留作測(cè)試?？傮w而言，具有CMP CT圖像的ROC曲線下的深度學(xué)習(xí)模型比其他階段具有更大的面積。CMP CT圖像的準(zhǔn)確性也最高，達(dá)到88%。排泄階段的準(zhǔn)確性為85%，然后在其他階段顯著下降。

正如Tanaka及其同事在他們的分析中指出的那樣，深度學(xué)習(xí)模型對(duì)于CMP CT圖像可能是有效的，但對(duì)于其他階段則“不那么好”。

作者總結(jié)說(shuō)：“這項(xiàng)研究表明，使用CNN進(jìn)行深度學(xué)習(xí)可以支持對(duì)小的實(shí)體腎腫塊進(jìn)行評(píng)估，并具有可接受的診斷性能。”“ CNN模型和正在審查的放射學(xué)家均得出結(jié)論，與動(dòng)態(tài)CT上的其他相位圖像相比，CMP CT圖像能夠更好地區(qū)分小塊實(shí)體腎腫塊(≤4 cm)。”