出国看病资讯利用人工智能准确诊断脑肿瘤

出国看病资讯利用人工智能准确诊断脑肿瘤

脑肿瘤的分类-从而选择最佳治疗方案-可以通过使用人工智能与生理成像相结合而变得更加准确和精确。这是卡尔·兰德斯坦纳健康科学大学（KLKrems）在《癌症》杂志上发表的一项广泛研究的结果。使用多类机器学习方法使用来自磁共振成像的生理数据对脑肿瘤进行分析和分类。然后将结果与人类专家的分类进行比较。人工智能被发现在准确性，精确度和错误分类等方面表现出色，而专业人员在灵敏度和特异性方面表现更好。——出国看病

脑肿瘤可以很容易地通过磁共振成像（MRI）检测到，但它们的确切分类是困难的。然而，这正是选择最佳治疗方案的关键。现在，由KLKrems领导的一个国际团队已经使用来自现代MRI方法的数据作为机器学习（ML）协议的基础，并评估了使用人工智能对脑肿瘤进行分类的情况。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进行的分类。——出国看病

更多磁共振成像，更多数据

由圣珀尔滕大学医院中央医学放射学诊断研究所的科学家AndreasStadlbauer教授领导的团队在这项研究中使用了先进的生理MRI数据。这两种方法都提供了对脑肿瘤结构和代谢的增强洞察力，并且在一段时间内允许更好的分类。但是，为这种差异化情况付出的代价是需要进行专业评估的大量数据。“我们现在已经分析了是否以及如何启用使用ML的人工智能来支持训练有素的专业人员完成这项艰巨的任务，”Stadlbauer教授解释说。“结果非常有希望。在准确性，精确性和避免错误分类方面，人工智能可以使用MRI数据对脑肿瘤进行分类。——出国看病

为了达到令人印象深刻的结果，该团队使用来自167名先前患者的MRI数据训练了九种着名的多类ML算法，这些患者患有五种最常见的脑肿瘤之一，并使用组织学进行了准确的分类。在一个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到特定类别的数学函数。“与以前的研究相比，我们还考虑了生理MRI的数据，”Stadlbauer教授解释说。“这包括肿瘤的血管结构及其新血管的形成以及向肿瘤组织提供氧气的细节。——出国看病

放射物理组学

该团队将来自不同MRI方法的数据与多类ML的组合命名为“放射物理组学”。这个术语可能会很快流行起来，因为这种方法的潜力在项目的第二部分，即测试阶段变得明显。其中，现在训练的多类ML算法与来自20名当前脑肿瘤患者的相应MRI数据一起输入，并将由此获得的分类结果与两名认证放射科医生的结果进行比较。因此，两种最好的ML算法（称为“自适应提升”和“随机森林”）在准确性和精确度方面优于人类评估结果。此外，与专业人士相比，这些ML算法导致的错误分类更少（5对6）。另一方面，当涉及到评估的敏感性和特异性时，人类评估被证明比测试的AI更准确。——出国看病

“这也清楚地表明，”Stadlbauer教授说，“ML方法不应该取代合格人员的分类，而应该是对它的补充。此外，这种方法所需的时间和精力目前仍然很高。但它提供了一种可能性，其潜力应该在日常临床应用中进一步追求。总体而言，这项研究再次证明了KLKrems的研究重点是具有真正临床附加值的基本发现。——出国看病