使用人工智能准确诊断脑肿瘤
通过将人工智能与生理成像结合使用，可以将脑肿瘤的分类（并因此选择最佳治疗选择）变得更加准确和精确。这是一项广泛的研究的结果癌症并由卡尔·兰德斯坦（Karl Landsteiner）健康科学大学（KL Krems）进行。多类机器学习方法用于使用磁共振成像中的生理数据来分析和分类脑肿瘤。然后将结果与人类专家进行的分类进行了比较。人们发现，人工智能在准确性，精度和错误分类等领域中表现出色，而专业人士的敏感性和特异性表现更好。
可以通过磁共振成像（MRI），但它们的确切分类很困难。然而，这正是选择最佳治疗选择至关重要的。现在，由KL Krems领导的一支国际团队使用了现代MRI方法的数据作为基础机器学习（ML）协议并评估人工智能对分类的使用脑肿瘤。他们发现，在某些领域，使用人工智能的分类可以优于训练有素的专业人员。
更多MRI，更多数据
由圣波滕大学医院中央医学放射学诊断研究所的科学家安德烈亚斯·斯塔德鲍尔（Andreas Stadlbauer）教授领导的小组，使用了高级和生理MRI数据进行研究。两种方法都提供了对脑肿瘤的结构和代谢的增强见解，并在一段时间内允许更好地分类。但是，为这种差异化的图片付费的代价是需要专业评估的大量数据。“我们现在已经分析了是否以及如何人工智能Stadlbauer教授解释说：“可以使使用ML能够在这项艰巨的任务中支持受过训练的专业人员。”结果非常有前途。当涉及到准确性，精度和避免错误分类时，AI可以使用MRI数据对脑肿瘤进行分类。”
为了取得令人印象深刻的结果，该团队训练了九种著名的多类ML算法，并使用了167名先前患者的MRI数据，这是五个最常见的患者之一脑部肿瘤并使用组织学进行了准确的分类。在复杂的协议中总共生成了135个所谓的分类器。这些是将要检查的材料分配给特定类别的数学功能。Stadlbauer教授解释说：“与以前的研究相反，我们还考虑了生理MRI的数据。”“这包括有关肿瘤血管结构及其形成新血管的细节，以及向肿瘤组织供应氧气。”
放射性分析组学
该团队将来自不同MRI方法的数据组合与多类ML“放射性生理学”相结合。这个术语很可能会迅速捕捉，因为该方法的潜力在项目的第二部分（测试阶段）变得显而易见。在此，现在训练的多类ML算法用来自20个电流大脑的相应MRI数据喂养瘤将其获得的分类结果与两名认证放射科医生的结果进行了比较。因此，两种最佳的ML算法（称为“自适应增强”和“随机森林”）优于人类评估在准确性和精度方面的表现。同样，这些ML算法的错误分类少于专业人员（5对6）。另一方面，当涉及评估的敏感性和特异性时，人类评估被证明比已测试的AI更准确。
Stadlbauer教授说：“这也清楚地表明，ML方法不应替代合格人员的分类，而是对此的补充。此外，此方法所需的时间和精力目前仍在很高。但是，它具有可能进一步追求日常临床使用的可能性。”总体而言，这项研究再次证明了KL Krems研究的重点是具有实际临床附加值的基本发现。
