人工智能可以对肺结节的癌症风险进行分类

计算的层析成像扫描肺癌风险的危险程度导致早期的诊断和提高生存率，但当可疑结节结果是良性时，它们也会导致过度处理。

一项研究发表在美国呼吸系统杂志CHINESS表明人工智能策略能够正确评估和分类这些不确定肺结节(ipn)。与临床医生目前使用的传统风险模型相比，研究团队在一个非常大的数据集(15693个结节)中开发的算法将ipn重新划分为超过三分之一的癌症和良性结节的低风险或高风险类别。

“这些结果表明，这种深度学习算法在修正概率方面具有潜在的临床应用价值癌症在旨在减少的IPN中侵入手续该研究的主要作者、范德比尔特大学Cornelius Vanderbilt医学主席Pierre Massion医学博士说。

目前，临床医生参考由美国放射学会和美国胸科医师学会发布的指南。对这些指导方针的遵守可能是可变的，并且患者病例的分类可能是主观的。为了给临床医生提供一种公正的评估工具，研究人员开发了一种基于国家肺部筛查试验(National Lung Screening Trial)、范德比尔特大学医学中心(Vanderbilt University Medical Center)和牛津大学医院数据集的算法。他们的研究首次对多个独立队列的风险分层工具进行了验证，并显示了重新分类的效果明显优于现有的风险模型。

通过IPN，临床医生通常面临困境，这些困境是对患者进行侵入性外科手术，这可能是不必要的，这可能导致所需的癌症治疗所需的癌症治疗。IPN的明确诊断可能需要多达两年的时间。

临床医生需要更好的评估工具作为风险患者的筛查肺癌症增加。肺癌是美国和全球癌症相关死亡的主要原因。总体五年的生存率为21.7％，但对于那些接受IA1期的阶段的阶段诊断的患者来说更大（92％）。

---

---