CN
EN

新闻动态

人工智能减少了肺癌的假阳性筛查

2019-03-14

  肺癌是全球癌症死亡的主要原因。筛查是早期发现和提高生存率的关键,但目前的方法有96%的假阳性率。匹兹堡大学(University of Pittsburgh)和UPMC希尔曼癌症中心(UPMC Hillman Cancer Center)的研究人员利用机器学习发现了一种方法,可以在不漏掉一例癌症病例的情况下,大幅减少误报。

  这项研究发表在《Thorax》杂志上。这是人工智能首次应用于肺癌筛查中,从癌变结节中筛选出良性肿瘤。

  “我们能够在大约三分之一的患者中排除癌症,所以他们不需要活检,不需要PET扫描或短间隔CT扫描。他们只需要在一年内回来,”资深作家David Wilson博士说, 他是匹兹堡大学医学、心胸外科、临床和转化科学副教授,也是UPMC希尔曼肺癌中心的联合主任。

  低剂量CT扫描是肺癌高危人群的标准诊断测试。在全国范围内,大约四分之一的扫描结果显示肺部有结节的阴影,这是一个积极的结果,但实际上只有不到4%的患者患有癌症。

  目前,仅凭扫描结果是不可能知道这4%的人是谁的。当然,医生们不想错过任何真实的癌症病例,但他们也在努力降低假阳性率。

  研究报告的合著者、匹兹堡大学计算机与系统生物学教授兼副主席、综合系统生物学项目副主任Panayiotis Benos博士说:“阳性测试会产生焦虑,增加医疗保健成本,后续测试也并非没有风险。”“对于96%的良性结节患者来说,这些手术是不必要的。因此,我们试图挖掘数据来区分哪些是良性的,哪些是恶性的。”

  Wilson, Benos和他的同事收集了218名UPMC高危患者的低剂量CT扫描数据,这些患者后来被证实患有肺癌或良性结节。然后,他们将数据输入机器学习算法(人工智能的一种形式),创建一个计算癌症概率的模型。如果概率低于某个阈值,该模型就排除了癌症。

  将模型的评估结果与这些患者的实际诊断结果进行比较,研究人员发现,他们本可以避免30%的良性结节患者接受额外检测,而不会漏掉一例癌症病例。

  Benos说,对该模型最重要的三个因素是结节周围血管的数量、结节的数量和患者戒烟后的年数。

  Wilson说:“虽然一段时间以来,我们已经知道肿瘤需要更多的血管支持,但这是我们第一次能够利用计算机技术来量化它们的贡献,并将它们纳入一个预测模型,从而确定一些病人没有患癌症。”香港治疗癌症“下一步是在更大的人群中评估这项技术,实际上它已经开始了,使用了来自全国肺筛查试验的大约6000次扫描。”

  香港力钧专科集团业务主要是为客户提供综合癌症服务,包括癌症的早期筛查、诊断、治疗及肿瘤疑难杂症的治疗服务,重点业务方向为中高端私人癌症服务。集团肿瘤中心为先河,逐步拓展专科业务,开设包括心脏科、眼科在内的不同诊疗中心及更多专科医疗服务。集团秉承为客户提供最优质服务的理念,不断引进先进的技术,加大创新和研发投资力度,卓越发展,与时俱进。

  集团地处香港九龙旺角繁华区域,交通便利,港铁直达,并伴有多种综合设施,资源广泛。公司由具备超过15年医疗经验香港肿瘤科专科医生和多年经营香港医疗集团的管理团队共同创办,协同经验丰富的专业技术人员,管理人才以及训练有素的技师及医护人员, 共同致力于为客户提供多元化的医疗保健服务体系。