《美国开发出能预测人类肺癌风险的人工智能工具》

  • 来源专题:生物安全
  • 编译者: 闫亚飞
  • 发布时间:2023-02-19
  • 据生物谷网1月30日消息,美国麻省理工学院科研团队开发出可预测人群患肺癌风险的人工智能工具“Sybil”。研究人员基于全美肺部筛查试验数据开发出的深度学习模型,能够不依赖临床数据或放射科的结果注释,仅通过一份低剂量胸部计算机断层扫描(LDCT)结果的扫描分析,预测出个体未来1-6年患肺癌的风险。该模型将在标准放射科读片站后台实时运行,为临床决策提供支持。Sybil工具实现了利用图像观察集体生物学并对癌症风险进行预测,降低人工评估个体的环境和遗传风险影响,可进一步提升肺癌个体化筛查和诊断效率。相关研究成果发表于Journal of Clinical Oncology期刊。
  • 原文来源:https://news.bioon.com/article/e9b8e56918da.html
相关报告
  • 《谷歌健康开发出人工智能筛查乳腺癌》

    • 来源专题:中国科学院文献情报生命健康领域集成服务门户
    • 编译者:张学博
    • 发布时间:2020-03-21
    • 谷歌健康(Google Health)的研究人员开发出一种新型人工智能(Artificial Intelligence,AI)系统,在乳腺癌筛查方面超越人类专家。该研究结果发表在2020年1月1日的Nature杂志上。 乳房X光筛查(Screening Mammography)旨在早期识别乳腺癌以便及时进行治疗。尽管全世界都有相关的筛查程序,但对乳房X线照片的辨别却经常发生假阳性或假阴性。谷歌健康的研究人员开发的AI系统,用于诊断乳房X线照片进而预测乳腺癌。研究人员从英国3个筛查中心和美国1个筛查中心分别收集了英国和美国乳腺癌筛查人群的数据集,其中包含活检记录和纵向随访记录,用这些数据对AI系统进行训练,使AI系统可以从一组乳房X线照片中识别出是否患有乳腺癌。最后,将AI系统的检测结果与6位放射科医生的检测结果进行比较。结果显示AI检测的阳性结果的绝对误报率降低了5.7%和1.2%(美国和英国),阴性结果的绝对误报率降低了9.4%和2.7%,并且将AI系统分别与6名放射科医生进行比较,AI系统的表现优于所有医生。表明该系统具有广泛应用能力,将提高乳腺癌筛查的准确性和效率,未来有望应用到临床。
  • 《美国科研团队开发出AI癌症风险预测平台》

    • 来源专题:生物安全网络监测与评估
    • 编译者:闫亚飞
    • 发布时间:2022-11-26
    • 据sciencedaily网10月31日消息,美国麻省总医院研究团队基于人工智能开发出预测癌症复发风险的工具。该团队利用1720例早期黑色素瘤病例的临床和病理特征进行机器学习算法训练,确定最具预测性的特征是肿瘤厚度和癌细胞分裂速率,开发出可确定早期黑色素瘤复发风险的综合风险预测平台,达到高水平的分类和事件预测时间的准确性。相关研究成果发表于NPJ Precision Oncology期刊。