AI 在检测和分割肺肿瘤方面显示出前景
快速阅读: 《Knowridge 科学报告》消息，一项发表在《放射学》杂志上的研究显示，一种新的AI模型在CT扫描中检测和描绘肺癌肿瘤方面表现出高准确性，准确率高达92%。该模型使用三维方法，比传统二维方法更精确。虽然仍有局限性，但此技术有望提高肺癌诊断和治疗效率。
图片来源于：Unsplash+根据发表在《放射学》杂志上的一项研究，一种新的AI模型在CT扫描中检测和描绘肺癌肿瘤方面表现出高准确性。这一突破可能帮助医生更高效地诊断和治疗肺癌，减少手动识别肿瘤所需的时间和精力。据美国癌症协会称，肺癌在美国男性和女性中是第二大常见癌症，依然是导致癌症相关死亡的主要原因。在CT扫描中检测和追踪肿瘤对于监测癌症进展、评估治疗效果以及规划放射治疗至关重要。目前，这个过程需要熟练的放射科医生手动识别并描绘肺癌肿瘤，这是一项耗时的任务。
为了解决这些问题，研究人员开发了一种更先进的深度学习模型，该模型训练使用了有史以来用于此类研究的最大规模的肺癌CT扫描数据集之一。由斯坦福大学医学院卡什帕博士领导的研究团队使用了包含1,504张CT扫描和1,828个分割肺癌肿瘤的数据集来训练一个名为3D U-网的深度学习模型。随后，该模型在150张CT扫描上进行了测试，与人类医生的结果进行比较。目标是确定AI是否能够匹配甚至超越专家放射科医生的准确性。
结果令人鼓舞。该模型在92%的案例中正确识别了肺癌肿瘤，并具有82%的特异性，意味着它很好地避免了假阳性。当比较AI与医生描绘肿瘤的效果时，模型的准确性非常接近人类的表现。对于包含单个肺癌肿瘤的100次扫描，AI的分割与医生绘制的轮廓相似度为77%，而医生之间的比较相似度达到80%。这表明该模型几乎可以像人类专家一样分割肿瘤，同时节省时间。
该模型的关键优势在于采用三维方法而不是传统的二维方法。许多过去的AI模型分析了扫描的单个切片，有时会导致误判，将肿瘤与血管或气道混淆。相反，3D U-网模型处理完整的CT扫描，使其能够识别较小的肿瘤并在不同图像之间做出更一致的决策。尽管取得了成功，该模型仍有一些局限性。在处理特别大的肿瘤时，它有时会低估肿瘤的大小，这可能会影响治疗计划。因此，卡什帕博士建议该模型应在医生监督下使用，以便医生可以根据需要审查和调整AI生成的结果。
未来，研究人员计划探索该AI工具的更多应用。未来的研究可能会测试该模型是否能够跟踪肿瘤随时间的变化，帮助医生监测癌症进展和治疗反应。另一个感兴趣的领域是，AI是否可以在结合其他医疗数据的情况下，基于肿瘤的大小和形状预测患者的预后。卡什帕博士认为，这项研究是实现肺癌诊断自动化的重要一步。这样的AI模型可以整合到治疗计划、肿瘤监测甚至个性化医疗中，使未来的肺癌护理更加高效和可及。
欲了解更多关于癌症的信息，请参阅最近的研究，植物性饮食可能降低男性患结直肠癌的风险，以及低脂饮食可能有助于阻止癌症生长的研究。研究结果发表在《放射学》杂志上。版权 © 2025 知识桥科学报告。保留所有权利。
(以上内容均由Ai生成)
