深度学习能够对癌症和心血管疾病进行双重筛查

心脏病和癌症是美国死亡的主要原因，越来越明确地理解，它们共享常见的危险因素，包括烟草使用，饮食，血压和肥胖。因此，可以在患者被筛查癌症的同时筛选心血管疾病的诊断工具，具有加速诊断，加速治疗和改善患者结果的可能性。

在今天发表的研究中自然通讯该研究由伦斯勒理工学院(Rensselaer Polytechnic Institute)的工程师和麻省总医院(Massachusetts General Hospital)的临床医生组成。他们开发了一种深度学习算法，可以用筛查肺癌的低剂量CT扫描(CT)来帮助评估患者患心血管疾病的风险。这种方法为更高效、更经济、更低辐射诊断铺平了道路，无需患者进行第二次CT扫描。

“在本文中，我们展示了深入学习算法在鉴定心血管疾病患者中的良好表现，并预测其死亡率风险，这表明了转换的承诺肺癌伦斯勒生物医学工程助理教授、生物技术和跨学科研究中心(CBIS)成员闫平坤说。

为了使这种双重筛选成为可能，必须克服许多障碍。低剂量CT图像往往具有较低的图像质量和较高的噪声，使图像内的特征更难看到。利用来自国家肺部筛查试验(NLST)的大型数据集，Yan和他的团队使用了来自3万多张低剂量CT图像的数据，开发、训练和验证了一种新的诊断方法深入学习算法能够过滤掉不需要的伪影和噪声，并提取诊断所需的特征。研究人员使用额外的2,085个NLST图像验证了算法。

Rensselaer团队还与Massachusetts综合医院合作，研究人员能够以最先进的扫描和医院放射科医师的专业知识来测试这种深入学习方法。闫说，瑞森开发的算法，不仅证明在分析风险方面非常有效心血管疾病在高风险患者中使用低剂量CT扫描，但它也被证明在分析这些图像方面与放射科医生同样有效。此外，该算法在马萨诸塞州总医院(Massachusetts General Hospital)收集的335名患者的独立数据集上进行测试时，几乎模仿了专用心脏CT扫描的性能。

“这创新研究CBI总监Deepak Vashishth说，是一种奖项和人工智能可以组合以改善和提供患者护理的方式，以改善和提供更高的精度和安全。“

---

---