人工智能有助于检测胰腺癌
![Workflow of the deep learning–based computer-aided detection tool. The segmentation masks passed from the segmentation convolutional neural network (CNN) to the classification CNNs included the pancreas and tumor (if present) combined, without separate delineation or identification between the pancreas and tumor. Solid arrows indicate output of the computer-aided detection tool. Credit: Radiological Society of North America 人工智能有助于检测胰腺癌](https://scx1.b-cdn.net/csz/news/800a/2022/ai-helps-detect-pancre.jpg)
根据发表在《柳叶刀》上的一项研究,一种人工智能(AI)工具在CT上检测胰腺癌方面非常有效放射学北美放射学会(RSNA)的杂志。
胰腺癌是癌症中5年生存率最低的。预计到2030年,它将成为美国癌症死亡的第二大原因。早期发现是改善暗淡前景的最好方法,因为一旦肿瘤生长超过2厘米,预后就会显著恶化。
CT是检测胰腺癌的主要影像学方法,但它漏诊了约40%的2厘米以下的肿瘤。迫切需要一种有效的工具来帮助放射科医生提高胰腺癌的检测。
台湾的研究人员一直在研究一种计算机辅助检测(CAD)工具,该工具使用一种名为深度学习检测胰腺癌。他们之前的研究表明,该工具可以准确地区分胰腺癌和非胰腺癌。然而,这项研究依赖于放射科医生通过成像手动识别胰腺,这是一个被称为分割的劳动密集型过程。在这项新研究中,人工智能工具自动识别了胰腺。考虑到胰腺与多个器官和结构相邻,并且形状和大小差异很大,这是一个重要的进步。
![人工智能有助于检测胰腺癌](https://scx1.b-cdn.net/csz/news/800a/2022/ai-helps-detect-pancre-1.jpg)
研究人员利用546名胰腺癌患者和733名对照组参与者组成的内部测试集开发了该工具。该工具在内部测试集中达到90%的敏感性和96%的特异性。
验证之后,一套1473个个体CT检查来自全台湾的机构。与对照组相比,该工具在区分胰腺癌方面达到了90%的敏感性和93%的特异性。检测小于2厘米的胰腺癌的敏感性为75%。
“深度学习工具的表现似乎与放射科医生的表现相当,”该研究的资深作者、国立台湾大学教授、MeDA实验室主任王伟忠博士说。“具体来说,在这项研究中,深度学习计算机辅助检测工具对胰腺的敏感性癌症与三级转诊中心的放射科医生相当,无论肿瘤大小和阶段如何。”
![人工智能有助于检测胰腺癌](https://scx1.b-cdn.net/csz/news/800a/2022/ai-helps-detect-pancre-2.jpg)
王博士说,CAD工具有潜力提供丰富的信息,以协助临床医生。它可以指示可疑区域放射科医生解释。
“CAD工具可以作为放射科医生的补充,以加强对癌症的检测胰腺癌该研究的共同高级作者,国立台湾大学和国立台湾大学医院的医学博士廖伟池说。
研究人员正在计划进一步的研究。特别是,他们想要研究该工具在更多样化人群中的表现。由于目前的研究是回顾性的,他们想看看它在现实世界的临床环境中表现如何。