人工智能执行以及有经验的放射科医生在检测前列腺癌

加州大学洛杉矶分校的研究人员已经开发出一种新的人工智能系统,以帮助放射科医生提高诊断前列腺癌的能力。系统,称为FocalNet,帮助识别和预测疾病的攻击性评价磁共振成像,或MRI扫描,和它几乎相同级别的准确性是有经验的放射科医生。在测试中,阅读核磁共振成像FocalNet是80.5%准确的,而放射科医生至少有10年的经验是83.9%准确的。

放射科医生使用MRI检测和评估恶性前列腺肿瘤的侵犯。然而,它通常需要练习成千上万的扫描来学习如何准确地确定肿瘤是否恶性或良性和准确地估计癌症的品位。此外,许多医院没有资源来实现所需的高度专业化的培训从核磁共振成像检测癌症。

FocalNet是一个人工神经网络使用一个算法,包括超过一百万可训练的变量;这是由加州大学洛杉矶分校的研究人员开发。团队训练系统通过分析核磁共振扫描的417人前列腺癌;扫描输入系统,以便它可以评估和分类学习肿瘤以一致的方式,比较结果到实际的病理标本。研究者比较了人工智能系统的结果与数据由加州大学洛杉矶分校放射学家曾超过10年的经验。

研究表明,一个人工智能系统可能节省时间和经验较少的放射科医生提供诊断指导。

的研究发表在IEEE医学成像。本文提出了生物医学成像在IEEE国际研讨会于2019年4月,被选为42最好的纸。