AI如何改善護(hù)理水平限制腎臟腫瘤患者不必要的手術(shù)

根據(jù)發(fā)表在《學(xué)術(shù)放射學(xué)》上的新發(fā)現(xiàn)，基于機(jī)器學(xué)習(xí)的CT紋理分析可以幫助評(píng)估實(shí)體腎腫塊。這可以幫助減少接受不必要手術(shù)的患者數(shù)量嗎?

專家通常會(huì)假設(shè)實(shí)體腎臟腫塊是惡性的，因此必須通過(guò)手術(shù)將其去除，以免對(duì)患者造成進(jìn)一步的傷害。但是，這些人群中多達(dá)16%最終是良性的，導(dǎo)致研究人員尋求更精確的非侵入性方法來(lái)區(qū)分惡性和良性發(fā)現(xiàn)。

主要作者卡格里·厄爾丁(Cagri Erdim)寫道：“紋理分析，或無(wú)法由人類評(píng)估的重復(fù)形態(tài)學(xué)模式的像素級(jí)定量評(píng)估，可能為當(dāng)前無(wú)法區(qū)分良性和惡性實(shí)體腎腫塊所引起的問題提供了答案。”土耳其Sultangazi Haseki培訓(xùn)研究醫(yī)院醫(yī)學(xué)博士及其同事。“最近的研究表明，越來(lái)越多的證據(jù)表明，通過(guò)計(jì)算機(jī)圖像分析獲得的紋理特征可能與疾病的組織病理學(xué)特征有關(guān)。在這種情況下，將紋理分析與AI或機(jī)器學(xué)習(xí)算法相結(jié)合可能是一項(xiàng)令人振奮的冒險(xiǎn)，可能會(huì)為腎質(zhì)量表征帶來(lái)可喜的收益。”

該團(tuán)隊(duì)分析了來(lái)自79名患者的數(shù)據(jù)，這些患者總共有84個(gè)實(shí)體腎臟腫塊。從2013年1月至2018年5月，所有患者均在同一家醫(yī)院接受治療。對(duì)未增強(qiáng)和增強(qiáng)對(duì)比的CT圖像進(jìn)行分析后，提取了271個(gè)紋理特征。然后，將八種機(jī)器學(xué)習(xí)算法(決策樹，局部加權(quán)學(xué)習(xí)，k近鄰，樸素貝葉斯，邏輯回歸，支持向量機(jī)，神經(jīng)網(wǎng)絡(luò)和隨機(jī)森林)用于分類目的。

總體而言，未增強(qiáng)的CT圖像具有198個(gè)可重復(fù)性良好的特征，而對(duì)比度增強(qiáng)的CT圖像則具有244個(gè)。此外，研究小組還發(fā)現(xiàn)，性能最佳的隨機(jī)森林算法的準(zhǔn)確度為90.5%，ROC曲線下的面積為0.915。

這組作者寫道：“我們的發(fā)現(xiàn)表明，基于機(jī)器學(xué)習(xí)的分類算法的定量CT紋理分析可用于無(wú)創(chuàng)性鑒別良性和惡性實(shí)體腎腫塊。”“通過(guò)在皮質(zhì)髓質(zhì)相襯增強(qiáng)CT圖像上使用隨機(jī)森林方法，我們能夠正確地識(shí)別出大約十分之一的患者的良性和惡性病例。”

團(tuán)隊(duì)的研究存在某些局限性。例如，這是一項(xiàng)回顧性研究，樣本量“相對(duì)較小”。此外，盡管始終遵循相同的成像方案，但使用兩個(gè)不同的掃描儀對(duì)患者成像。

作者補(bǔ)充說(shuō)：“最后，我們將內(nèi)部數(shù)據(jù)集用于培訓(xùn)和測(cè)試。”為了克服潛在的偏差，我們執(zhí)行了嵌套的交叉驗(yàn)證程序。但是，采用獨(dú)立的外部數(shù)據(jù)集或使用兩組患者(一組用于培訓(xùn)，一組用于測(cè)試)將進(jìn)一步驗(yàn)證研究中使用的分類器。”