|
在我国，肺癌一直是各种癌症中致死最多的。据国家癌症中心统计，我国每年新发肺癌约78.7万人，因肺癌死亡约63.1万人，如果这些患者都能早发现、早治疗，那么他们的寿命将会大大延长。 谷歌发表在Nature Medicine上的一项新研究，让人类解决肺癌难题前进了一大步。在这项研究中，AI能够根据患者的胸部CT图像，诊断出早期肺癌，与六位放射科医生相比，AI的准确度更高，检测到的病例增加了5%，假阳性减少了11%，AUC达到94.4%。 换句话说，相比人类医生，谷歌的该AI模型能够发现更多没被发现的早期肺癌病人，还能减少很多没有患肺癌的人被误诊。 无论是和单个医生相比还是和某一科目的医生们相比，这项研究中模型的准确度都相当高，超越了人类水平 真实数据检测 研究中用到的数据来自美国全国肺癌筛查试验(NLST)的真实数据，包括来自14851名患者的42290张CT照片，其中639人在拍完这些CT照片一年后就经过活检被确诊为肺癌。如果一名患者在一年后的检测中没有发现肺癌，则被视为阴性。 这14851名患者被随机分配到了训练组(占比70%)，调整组(占比15%)和测试组(占比15%)，三个组的确诊患者百分比分别为3.9%、4.5%和3.7%。 模型即将开放 整个模型包含几个部分： 肺部分割，用TensorFlow目标检测API训练LUNA45数据集，产生肺分割掩模并对齐。 癌症ROI检测，构建RetinaNet47，找出病灶区域。 全量模型，在1.5立方毫米体积的大小上训练，预测一年内患癌症的可能性。 癌症风险预测模型，提取3D特征，生成最终预测结果。 整个模型将通过谷歌云Healthcare API开放，进一步研究它在临床实践中的效果。有朝一日，或许这个模型真的能在各大医院中使用，会有更多病人受益。 传送门 最后，这项研究中用到了3个肺癌数据集，需要的工具都是TensorFlow中已经开源的API。 |
|
|
