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 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)表的一項新研究，基于深度學(xué)習(xí)的預(yù)測模型可以幫助醫(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)注其實用性，”韓國春北大學(xué)生物醫(yī)學(xué)研究所的Kum J. Chae醫(yī)師寫道。國立大學(xué)醫(yī)院和同事。“因此，本研究的目的是開發(fā)一種快速，簡單的基于深度學(xué)習(xí)的模型，以對CT圖像上的小肺結(jié)節(jié)進(jìn)行分類，并初步評估該模型的性能和對人類檢查者的有用性。”

Chae的團(tuán)隊收集了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“旨在評估深度學(xué)習(xí)模型對難以診斷的結(jié)節(jié)的影響，需要第二種意見。”

最終的數(shù)據(jù)集包括208個結(jié)節(jié)(114個良性和94個惡性結(jié)節(jié))，研究人員將30個良性和30個惡性結(jié)節(jié)分配給了測試集。另一個84個良性和64個惡性結(jié)節(jié)用于訓(xùn)練和驗證組。兩名?？品派淇漆t(yī)生對所有CT掃描進(jìn)行了審查。

作者為此研究開發(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)用于通過轉(zhuǎn)移學(xué)習(xí)來診斷肺結(jié)節(jié)。

總的來說，當(dāng)對小肺結(jié)節(jié)進(jìn)行分類時，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，對放射科醫(yī)生的解釋沒有重大影響，但確實對非放射科醫(yī)生有幫助，平均AUC改善了0.13。

作者寫道：“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，” “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之類的深度學(xué)習(xí)模型可以提高對放射科醫(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。