研究发现，人工智能可及早发现腹部癌症
快速阅读: 《Knowridge 科学报告》消息，约翰斯·霍普金斯大学领导的国际项目创建了腹部解剖图谱，这是目前最大的腹部CT扫描数据集，包含45,000多个3D扫描和142种解剖结构。该数据集显著提升了AI训练效率，标记速度比手动方式快10至500倍，有望改善疾病的检测与诊断。研究成果发表在《医学影像分析》期刊上。
图片提供：Unsplash+人工智能（AI）正在成为医学影像领域的重要工具，帮助放射科医生更快更准确地分析扫描图像。然而，AI模型需要大量的标注数据才能有效工作，这意味着放射科医生仍然需要花费大量时间手动标记图像。由约翰斯·霍普金斯大学研究人员领导的一项新的国际项目提供了一个解决方案——腹部解剖图谱（AbdomenAtlas），这是迄今为止创建的最大腹部CT扫描数据集。腹部解剖图谱数据集包括来自全球145家医院的超过45,000个3D CT扫描。它映射了142种不同的解剖结构，使其比下一个最大的数据集TotalSegmentator V2大36倍。这一庞大的扫描集合有望大大提升AI训练，使机器能够更好地检测器官、肿瘤和疾病。该数据集及其应用最近发表在《医学影像分析》期刊上。
在过去，放射科医生手动标记CT扫描中的器官，这个过程耗时数千小时。为了说明任务的艰巨性，标记45,000个扫描中包含的六百万个解剖结构将需要一位专家从古希腊时期开始，直到2025年不间断工作。显然，这项任务对于人类来说过于庞大。为加快进程，由艾伦·俞立教授领导的约翰斯·霍普金斯大学团队使用AI模型处理大部分标注工作。他们的方法结合了三个基于现有标注数据集训练的AI系统，以预测新、未标注扫描中的解剖结构。这些AI模型随后使用彩色注意力图突出需要审查的区域。一个由12名专家放射科医生和医学培训生组成的团队手动检查并完善了AI的预测。这种AI辅助方法大幅减少了注释扫描所需的时间。对于标记肿瘤，过程变得快10倍，而对于器官，则快500倍于手动标注。这使得研究人员能够在不到两年的时间内构建出最大规模的完全注释腹部器官数据集——否则，这项任务将需要人类超过2000年的时间。
随着更多扫描以及人工和真实肿瘤样本的加入，数据集继续增长。这些添加将帮助AI模型提高在检测癌症、诊断疾病甚至为真实患者创建“数字孪生”以实现个性化医疗方面的能力。除了训练AI，腹部解剖图谱还作为评估其他医学成像算法的基准。通过在如此大规模的数据集上测试AI模型，研究人员可以更好地确保这些模型在现实世界医疗环境中可靠运行。该团队已经在竞赛中使用了数据集，例如在国际医学影像会议上举行的“身体地图挑战”，以鼓励开发既准确又适合临床使用的AI。尽管其规模庞大，腹部解剖图谱仅占美国每年进行的CT扫描的0.05%。研究人员希望更多的医院和机构能合作扩大数据集。他们认为共享数据并在机构间合作对于推动医学领域的AI发展至关重要。通过创建腹部解剖图谱，团队提供了一项强大的资源，可能会改变医学影像。随着AI的不断发展，这样的数据集将有助于确保机器能够协助医生比以往任何时候都更快、更准确地诊断疾病。
如果你关心癌症，请阅读研究表明低糖饮食可能增加整体癌症风险，以及延长癌症患者生存期的新方法。关于癌症的更多信息，请参阅最近的研究发现如何利用这些抗肿瘤超级食物对抗癌症，以及研究显示每天补充维生素D3可能降低癌症死亡率。研究成果已发表在《医学影像分析》期刊上。版权所有 © 2025 知桥科学报告。保留所有权利。
(以上内容均由Ai生成)
