本文来自微信公众号：学术经纬（ID：Global_Academia），原标题《更胜一筹！早期诊断肺癌，这款AI已超越人类医生！》封面：Pixabay
今日，在《自然·医学》（Nature Medicine）最新上线发表的一篇论文中，谷歌健康研究部门和美国西北大学医学院等机构的科学家们合作带来一款人工智能系统——它能够根据胸部CT扫描，对恶性肺结节进行检测分析，从而对肺癌进行早期诊断。与放射医学专家相比，它的准确性甚至要更为优越
肺癌目前是全世界发病率和死亡率最高的癌症，也是中国癌症患者的头号杀手。大规模临床试验表明，胸部低剂量CT扫描可以发现肺癌的重要特征，将死亡率降低20%～43%，这是肺癌筛查的首选方式。
然而精准地检查出结节是一个挑战——筛查方法错误率很高，因此实用性有限。考虑到还有其他临床因素的影响，许多肺癌在发现时已是晚期，难以有效治疗。如何提高肺癌早期诊断的准确性，是科学家们想要让AI充分发挥优势来解决的问题。
为此，谷歌的AI科学家们开发了一种深度学习模型。这是一种通过实例来教会计算机学习的AI技术。
研究人员使用了来自近1.5万名患者的4万多张CT扫描图像训练AI，其中有近600名患者在一年内经活检证实患有癌症。
可疑肺结节的生长速度是恶性肿瘤的重要指示，为了让AI在无人类参与的情况下学会预测肺结节的恶性程度，研究者在训练AI时不仅准备了患者初次确诊时的CT扫描作为输入，还使用了更早之前的CT扫描进行比对。“AI不仅要看当前的CT扫描，还要比对先前的扫描结果，因此理论上讲，这是一种‘4D’扫描。” Etemadi教授补充。
在6716个测试病例中，这套深度学习模型的准确性接受了检验。结果显示，它能够以94%的准确率发现极小的恶性肺结节。
同时，AI与六名平均有8年临床经验的放射科医师进行了“较量”，表现亮眼。在有先前CT扫描图像的情况下，AI系统与放射科医生的成绩不相上下。而在无先前CT扫描图像的情况下，AI的表现甚至超越所有6位放射医学专家，假阳性减少11%，假阴性减少5%。高灵敏度和低漏检率意味着，如果在临床环境使用，可以减少不必要的随访带来的额外负担，同时更少错过肿瘤。
参考资料
[1] Diego Ardila et al., (2019) End-to-end lung cancer screening with three-dimensional deep learning on low-dose chest computed tomography, Nature Medicine . DOI: 10.1038/s41591-019-0447-x
[2] Artificial intelligence system spots lung cancer before radiologists. Retrieved May 21, from https://medicalxpress.com/news/2019-05-artificial-intelligence-lung-cancer-radiologists.html
本文来自微信公众号：学术经纬（ID：Global_Academia），原标题《更胜一筹！早期诊断肺癌，这款AI已超越人类医生！》封面：Pixabay
今日，在《自然·医学》（Nature Medicine）最新上线发表的一篇论文中，谷歌健康研究部门和美国西北大学医学院等机构的科学家们合作带来一款人工智能系统——它能够根据胸部CT扫描，对恶性肺结节进行检测分析，从而对肺癌进行早期诊断。与放射医学专家相比，它的准确性甚至要更为优越
肺癌目前是全世界发病率和死亡率最高的癌症，也是中国癌症患者的头号杀手。大规模临床试验表明，胸部低剂量CT扫描可以发现肺癌的重要特征，将死亡率降低20%～43%，这是肺癌筛查的首选方式。
然而精准地检查出结节是一个挑战——筛查方法错误率很高，因此实用性有限。考虑到还有其他临床因素的影响，许多肺癌在发现时已是晚期，难以有效治疗。如何提高肺癌早期诊断的准确性，是科学家们想要让AI充分发挥优势来解决的问题。
为此，谷歌的AI科学家们开发了一种深度学习模型。这是一种通过实例来教会计算机学习的AI技术。
研究人员使用了来自近1.5万名患者的4万多张CT扫描图像训练AI，其中有近600名患者在一年内经活检证实患有癌症。
可疑肺结节的生长速度是恶性肿瘤的重要指示，为了让AI在无人类参与的情况下学会预测肺结节的恶性程度，研究者在训练AI时不仅准备了患者初次确诊时的CT扫描作为输入，还使用了更早之前的CT扫描进行比对。“AI不仅要看当前的CT扫描，还要比对先前的扫描结果，因此理论上讲，这是一种‘4D’扫描。” Etemadi教授补充。
在6716个测试病例中，这套深度学习模型的准确性接受了检验。结果显示，它能够以94%的准确率发现极小的恶性肺结节。
同时，AI与六名平均有8年临床经验的放射科医师进行了“较量”，表现亮眼。在有先前CT扫描图像的情况下，AI系统与放射科医生的成绩不相上下。而在无先前CT扫描图像的情况下，AI的表现甚至超越所有6位放射医学专家，假阳性减少11%，假阴性减少5%。高灵敏度和低漏检率意味着，如果在临床环境使用，可以减少不必要的随访带来的额外负担，同时更少错过肿瘤。
参考资料
[1] Diego Ardila et al., (2019) End-to-end lung cancer screening with three-dimensional deep learning on low-dose chest computed tomography, Nature Medicine . DOI: 10.1038/s41591-019-0447-x
[2] Artificial intelligence system spots lung cancer before radiologists. Retrieved May 21, from https://medicalxpress.com/news/2019-05-artificial-intelligence-lung-cancer-radiologists.html