5月20日，知名医学期刊《自然医学》报告了一个人工智能肺癌检测系统，该系统可以通过胸部计算机断层扫描图像（CT）检测恶性肺结节，检测水平超过专业放射科医生。
《自然医学》评价称，该深度学习模型提供了一个自动化的图像评估系统，能够提高早期肺癌诊断的准确性，为临床干预提供依据。
《自然医学》论文截图，图为总体建模框架。
该论文提到，肺癌是美国最常见的癌症死因，2018年约有16万人因此死亡。美国及欧洲的大型临床实验表明，胸部筛查可以识别肺癌并且降低死亡率。但胸部筛查本身存在错误率较高和适用性有限的问题，影响了肺癌的早期检测和后续治疗。
谷歌人工智能部门的Daniel Tse与斯坦福、纽约大学等机构的研究人员合作，开发了一个深度学习模型。他们在42290个CT扫描图像上对模型进行训练，使其能够在没有人为参与的情况下，预测肺结节的恶性程度。
他们发现，人工智能系统能够在6716例测试病例中检测出微小的恶性肺结节，准确率达94%。
研究人员认为，该研究显示了深度学习模型在提高全世界肺癌筛查的准确性、一致性和采用率方面的潜力，可能有助于改善肺癌患者的治疗和预后过程。研究人员同时指出，上述发现仍需在大量患者中进行临床验证。
据英国《每日电讯报》报道，2019年5月7日，谷歌在2019年开发者大会上宣布，其研发的人工智能技术可以比医生早一年查出肺癌，使患者存活的概率提升40%。
本文采用「CC BY-SA 4.0 CN」协议转载自互联网、仅供学习交流，内容版权归原作者所有，如涉作品、版权和其他问题请给「我们」留言处理。
