在最近的一个学习NYU Langone Health的Perlmutter癌症中心和格拉斯哥大学的研究人员发表在《自然通信》上，开发了一项尖端的AI计划，能够准确诊断腺癌，这是最常见的肺癌形式。
这种发展使用先进的图像分析技术来改善患者的结果，代表了癌症诊断和管理方面的显着进步。
AI计划准确地诊断出肺癌，并以72％的精度预测复发，超过人类病理学家。 National Cancer Institute on Unsplash摄影
肺诊断和治疗的突破
传统上，诊断和管理肺癌涉及病理学家在显微镜下精心检查组织样本。这个过程不仅耗时，而且容易受到人为错误和偏见的影响。
使用监督深度学习的现有AI方法已显示出希望，但需要大量注释的数据，这些数据既昂贵又富有生产。
新的AI程序利用一种使用自我监督学习的技术，称为组织形态表型学习（HPL）。与以前的方法不同，此方法不需要预先标记的数据。
取而代之的是，AI自动在组织图像中自动识别和组相似的区域或“瓷砖”。这些分组的区域形成了HP-ATLA，这是一个详细的地图，展示了不同的组织结构及其从良性到恶性状态的过渡，包括以炎症和其他反应性变化为标志的中间阶段。
有趣的发现
为了验证他们的方法，研究人员分析了来自452例腺癌患者的近半百万组织图像。
结果令人印象深刻：AI计划在99％的病例中准确区分了腺癌和鳞状细胞癌，并预测了癌症的复发，精度为72％。相比之下，检查相同图像的病理学家达到了64％的精度。
AI计划快速分析肺组织样品并提供准确的预测的能力代表了癌症护理的显着进步。
该研究的Aristotelis tsirigos博士指出：“现在可以在几分钟内分析肺组织样品，以提供相当准确的预测患者癌症是否会恢复，预测超过了当前的肺腺癌预后的护理标准。”
该计划不仅提供了组织含量的详细细分，而且还为每个患者分配了一个分数，反映了他们的统计机会，并在长达五年内复发了他们的统计机会。研究人员强调，随着添加更多数据，AI将变得越来越准确，他们计划在进一步测试后自由使用该工具。
该AI计划在肺癌诊断中的成功为在其他类型的癌症（例如乳腺癌，卵巢癌和结直肠癌）中的类似应用打开了大门。
该团队还计划通过合并医院电子健康记录和社会经济因素的其他数据来增强当前计划，从而进一步提高其准确性和可靠性。
除了AI腺癌计划外，AI的其他进步还对肺癌诊断和治疗产生了重大影响。例如，2022研究由宾夕法尼亚大学的Anil Vachani博士领导，证明了基于AI的系统在评估CT扫描中可见的肺结核中癌症风险的有效性。
保持在Tech Times。
