肺癌是全球癌症死亡的主要原因。筛查是早期检测和提高生存率的关键，但目前的方法具有96%的假阳性率。利用机器学习，匹兹堡大学和UPMC希尔曼癌症中心的研究人员已经找到了一种方法，可以大大减少误报，而不会错过任何一例癌症。
该研究于今天发表在Thorax期刊上。这是人工智能首次应用于从肺癌筛查中挑选出良性癌结节的问题。
“我们能够排除大约三分之一的患者的癌症，所以他们不需要活检，他们不需要PET扫描或短间隔CT扫描。他们只需要在一年内回来，”说资深作者David Wilson，医学博士，公共卫生硕士，皮特医学，心胸外科和临床与转化科学副教授，UPMC希尔曼肺癌中心联合主任。
低剂量CT扫描是高危患者的肺癌标准诊断检测方法。在全国范围内，大约四分之一的扫描显示阴影表明肺部有结节 - 这是一个积极的结果 - 但实际上患癌症的患者不到4%。
威尔逊说，现在，仅从扫描中就不可能知道这4%是谁。当然，医生不想错过任何真正的癌症病例，但他们也试图降低误报率，他指出。
研究合着者Panayiotis(Takis)Benos博士，计算与系统生物学副教授兼副主任说：“一项积极的测试会产生焦虑，增加医疗保健成本，后续测试也无风险。”皮特综合系统生物学项目“对于96%有良性结节的人来说，这些手术是不必要的。因此，我们试图挖掘数据，以确定哪些是良性的，哪些是恶性的。”
Wilson，Benos及其同事收集了218名高风险UPMC患者的低剂量CT扫描数据，这些患者后来被证实患有肺癌或良性结节。然后他们将数据输入机器学习算法 - 一种人工智能 - 来创建一个计算癌症概率的模型。如果概率低于某个阈值，该模型将排除癌症。
将模型的评估与这些患者的实际诊断进行比较，研究人员发现，他们本可以节省30%的良性结节患者进行额外的检测，而不会错过任何一例癌症。
贝诺斯说，对模型最重要的三个因素是结节周围的血管数量，结节数量和患者戒烟后的年数。
“虽然人们已经知道肿瘤会在一段时间内获得更多的血管支持，但这是我们第一次能够使用计算机技术来量化它们的贡献，并将它们纳入预测模型，该模型可以肯定地确定一些患者没有癌症，“威尔逊说。“下一步是在更大的人口中评估这项技术，实际上已经开始使用全国肺部筛查试验中的大约6,000次扫描。”
大连正规妇科医院 http://www.62671288.com/