人工智能可以分类癌症的肺结节风险

对处于肺癌风险的人的计算机断层扫描会导致较早的诊断并提高存活率，但是当可疑结节变得良性时，它们也会导致过度治疗。

发表在美国呼吸道医学杂志表明人工智能策略可以正确评估和分类这些不确定的肺结核（IPN）。与当前临床医生使用的常规风险模型相比，研究人员团队在一个非常大的数据集（15,693个结节）中开发的算法将IPN重新分类为低风险或高风险类别，以超过三分之一的癌症和良性结节。

“这些结果表明，这种深度学习算法的潜在临床实用性来修改癌症旨在减少的IPN侵入性程序该研究的主要作者范德比尔特大学（Cornelius Vanderbilt University）的科尼利厄斯·范德比尔特（Cornelius Vanderbilt）医学主席皮埃尔·马斯（Pierre Massion）说。

目前，临床医生是指美国放射学院和美国胸部医师学院发布的指南。遵守这些准则可能是可变的，并且如何将患者病例分类可以主观。为了为临床医生提供公正的评估工具，研究人员根据国家肺筛查试验，范德比尔特大学医学中心和牛津大学医院的数据集开发了一种算法。他们的研究是第一个在多个独立队列上验证风险分层工具的研究，并显示出比现有风险模型明显优于的重新分类性能。

对于IPN，临床医生通常面临着权衡是否建议患者接受侵入性手术程序的困境，这可能是不必要的，这可能是对观察和等待策略的反对，这可能导致延迟所需的癌症治疗。对IPN的明确诊断最多可能需要两年。

临床医生需要更好的评估工具作为有风险的患者的筛查肺癌症增加。肺癌是美国和全球与癌症相关死亡的主要原因。总体五年生存率为21.7％，但对于那些早期诊断为IA1期非小细胞癌的患者来说，它要大得多（92％）。

---

---