深度学习使双筛选用于癌症和心血管疾病

心脏病和癌症是美国人死亡的主要原因，人们越来越认识到它们有共同的危险因素，包括吸烟、饮食、血压和肥胖。因此，一种可以在病人正在接受癌症筛查的同时筛查心血管疾病的诊断工具，有可能加快诊断、加速治疗并改善病人的预后。

在今天发表的研究中自然通信一支来自马萨诸塞州普拉斯特省综合医院的renselaer理工学院和临床医生的工程师团队开发了一种深入的学习算法，可以帮助评估患者的心血管疾病风险，同样的低剂量计算机断层摄影（CT）扫描用于筛查肺癌。这种方法为更高效，更具成本效益和较低的辐射诊断铺平了道路，而无需患者经历第二个CT扫描。

“在本文中，我们展示了一种非常好的深度学习算法在识别心血管疾病患者和预测其死亡风险方面的性能，这在转换方面显示出了希望肺癌将低剂量CT筛选到双筛选工具中，“生物医学工程助理教授Pingkun Yan表示，renselaer的生物技术和跨学科研究中心成员。

必须克服许多障碍，以使这种双重筛选成为可能。低剂量CT图像倾向于具有较低的图像质量和更高的噪音，使图像内的特征更难看。使用来自国家肺部筛选试验（NLST）的大型数据集，YAN和他的团队使用来自30,000多个低剂量CT图像的数据来开发，列车和验证深度学习算法能够过滤掉不需要的伪影和噪声，并提取诊断所需的特征。研究人员使用另外2085张NLST图像验证了该算法。

伦斯勒团队还与麻省总医院(Massachusetts General Hospital)合作，在那里研究人员能够用最先进的扫描技术和医院放射科医生的专业知识来测试这种深度学习方法。严说，伦斯勒开发的算法不仅被证明在分析风险方面非常有效心血管病在使用低剂量CT扫描的高风险患者中，但它也被证明是在分析这些图像时的放射科医生同样有效。此外，该算法在从335名Massachusetts综合医院收集的独立数据集中测试了专用心CT扫描的性能。

“这创新研究是生物成像和人工智能结合在一起以更精确和更安全的方式改善和提供病人护理的一个最好的例子，”CBIS主任Deepak vashish说。

---

---