人工智能系统发现肺癌在放射科医生
深入学习——一个形式的人工情报是能够检测恶性肺结节在低剂量胸部计算机断层扫描(LDCT)扫描的性能达到或超出专家放射科医生,一项新的研究报告从谷歌和西北医学。
这个深度学习系统提供一个自动化图像评价体系加强早期的准确性肺癌诊断可能导致早期治疗。深度学习系统对放射科医生对病人LDCTs相比,其中一些人已经活检证实癌症在一年之内。在大多数的比较,该模型比放射科医生或更好的执行。
深度学习是一种教计算机的技术学习的例子。
深度学习系统也产生更少的假阳性和假阴性,这可能导致不必要的后续程序和错过了肿瘤越来越少,如果它是用于临床。
这篇论文将发表在自然医学5月20日。
“放射科医生通常检查数以百计的二维图像或“片”在一个单一的CT扫描,但这一新的机器学习系统观点在一个巨大的肺部,单一的三维图像,”博士说这项研究的合作者Mozziyar Etemadi,研究助理西北大学Feinberg医学院麻醉学教授和工程麦考密克工程学院。“人工智能在3 d中可以更敏感的能力早期肺癌检测人眼观察二维图像。这是技术上“4 d”,因为它不仅是看一个CT扫描,而是两个(当前和之前扫描)。
“为了构建人工智能观点CTs这样,你可能需要一个巨大的计算机系统的谷狗的大。这个概念是小说,但它的实际工程也是小说的规模。”
Etemadi带领他的研究小组也在西北大学麻醉学住院医师培训作为一个独特的居住研究轨道。
Etemadi的双重角色允许在他的实验室里研究遍历技术和通讯医疗和工程之间的界限。他的实验室是建立在一个在西北纪念医院的重症监护病房,让工程师之间无缝沟通,护士、医生和其他保健提供者。
”这一领域的研究是非常重要的,肺癌的死亡率在所有最高癌症,还有很多挑战的肺癌筛查的广泛采用,“Shravya Shetty说,谷歌的技术领导者。”我们的工作检查人工智能方法可以用来改善的准确性和优化筛选过程,可以帮助的方式与筛查项目的实现。结果有前途,我们期待继续我们的合作伙伴和同行一起工作。”
肺癌是最常见的肿瘤相关性死亡的原因在美国,导致在2018年估计有160000人死亡。大型临床试验在美国和欧洲已经表明,胸部筛查可以识别癌细胞,减少死亡率。然而,高错误率和有限的访问这些放映意味着许多晚期肺癌通常发现,当他们是很难治疗的。
深度学习系统利用主要的CT扫描,当可用的,之前CT扫描的病人作为输入。之前CT扫描是有用的在预测肺癌恶性肿瘤风险因为可疑肺结节的增长率可以指示性的恶性肿瘤。电脑被训练使用完全消除识别信息,活检确诊低剂量胸部CT扫描。
这部小说系统识别感兴趣的区域和该地区是否有高肺癌的可能性。
该模型比六放射科医生当没有先前的CT成像和执行以及之前的放射科医生当时成像。
“系统可以分类与更多的特异性病变。我们不仅可以更好的诊断患有癌症,我们还能说如果有人没有癌症,可能拯救他们脱离入侵,昂贵和有风险的肺活检,”Etemadi说。
谷歌科学家开发了深度学习模型和应用它到6716年消除识别信息西北医学CT扫描集提供的新系统来验证它的准确性。科学家们发现artificial-intelligence-powered系统能够发现sometimes-minuscule恶性肺结节模型AUC为0.94测试用例。例从西北电子数据仓库以及其他西北医学数据来源,由于复杂的、高度定制的软件工程Etemadi的团队。
我们作为临床医生使用“大多数软件是专为病人护理,不研究,“Etemadi说。“花了一年多的努力,我的整个团队来提取和准备数据来帮助这个令人兴奋的项目。与世界级的科学家在谷歌协作的能力,用他们前所未有的计算能力来创造一些有可能拯救成千上万的生命一年确实是一种特权。”
作者警告说,这些发现需要临床验证在大的患者群体,但是他们说这个模型可能有助于改善肺癌患者的管理和结果。
进一步探索
