出国看病资讯深度学习算法可能简化肺癌放疗治疗

出国看病资讯深度学习算法可能简化肺癌放疗治疗

肺癌是全球最常见的癌症，在近一半的病例中以放射治疗（RT）为靶点。放疗计划是一个手动的资源密集型过程，可能需要数天到数周才能完成，即使是训练有素的医生在确定放射靶向多少组织方面也存在差异。此外，随着癌症发病率的上升，预计全球放射肿瘤学从业人员和诊所的短缺将进一步增加。——出国看病

布莱根妇女医院的研究人员和合作者在马萨诸塞州将军布里格姆的医学人工智能计划下工作，开发并验证了一种深度学习算法，该算法可以在几秒钟内通过计算机断层扫描（CT）识别和勾勒（“细分”）非小细胞肺癌（NSCLC）肿瘤。他们发表在《柳叶刀数字健康》（The Lancet Digital Health）上的研究还表明，在模拟诊所中使用该算法的放射肿瘤学家的表现与不使用该算法的医生一样，同时工作速度提高了65%。——出国看病

“人工智能在医学应用中最大的转化差距是未能研究如何使用人工智能来改善人类临床医生，反之亦然，”Brigham放射肿瘤学系的通讯作者Raymond Mak博士说。“我们正在研究如何建立人类与人工智能的伙伴关系和协作，为患者带来更好的结果。这种方法对患者的好处包括分割肿瘤的一致性更高，治疗时间更快。临床医生的好处包括减少平凡但困难的计算机工作，这可以减少倦怠并增加他们可以花在病人身上的时间。——出国看病

研究人员使用来自787名患者的CT图像来训练他们的模型，以区分肿瘤和其他组织。他们使用来自越来越多的外部数据集的1，300多名患者的扫描来测试该算法的性能。开发和验证该算法涉及数据科学家和放射肿瘤学家之间的密切合作。例如，当研究人员观察到该算法错误地分割了涉及淋巴结的CT扫描时，他们用更多的这些扫描重新训练了模型，以提高其性能。——出国看病

最后，研究人员要求八名放射肿瘤学家执行分割任务，以及由另一位专家医生或算法产生的分割的速率和编辑（他们没有被告知哪个）。人类与人工智能的合作与人类产生（从头开始）的细分之间的性能没有显着差异。有趣的是，与手动制作的分割相比，医生在编辑AI制作的分割时工作速度提高了65%，变化减少了32%，即使他们不知道他们正在编辑哪一个。在这项盲法研究中，他们还对人工智能绘制的分割的质量评价高于人类专家绘制的分割。——出国看病

展望未来，研究人员计划将这项工作与他们之前设计的AI模型相结合，这些模型可以识别在癌症治疗期间接受不需要的辐射的“有风险的器官”（如心脏），从而将它们排除在放射治疗之外。他们正在继续研究医生如何与人工智能互动，以确保人工智能伙伴关系有助于而不是损害临床实践，并且正在开发第二种独立的分割算法，可以验证人类和人工智能绘制的分割。——出国看病

“这项研究为人工智能模型提出了一种新的评估策略，强调了人类与人工智能协作的重要性，”放射肿瘤学系的合着者Hugo Aerts博士说。“这尤其必要，因为在计算机（计算机建模）评估中，评估可以给出与临床评估不同的结果。我们的方法可以帮助为临床部署铺平道路。——出国看病