UCLA Health

最新人工智能系统检测前列腺癌的能力媲美资深放射科医生

加州大学洛杉矶分校研究声明04/16/2019

发现

加州大学洛杉矶分校的研究人员开发了一种新的人工智能系统,以帮助放射科医生提高其诊断前列腺癌的能力。该系统名为FocalNet,通过评估磁共振成像 (MRI) 与其他扫描成像来识别并预测疾病,其准确程度与经验丰富的放射科医生几乎相同。经测试,FocalNet 读取磁共振成像的准确度为 80.5%,而具有至少10年经验的放射线医生准确度为 83.9%。

背景

放射科医生利用磁共振成像来检测和评估恶性前列腺肿瘤的侵袭性,但通常需要经过数千次扫描诊断练习,才能学会如何准确判定肿瘤是良性还是癌性,并准确估计癌症的等级。此外,许多医院没有足够资源来进行通过磁共振成像检测癌症所需的高度专业化培训。

实验方法

FocalNet是一个人工神经网络,其使用的算法包含超过一百万个可训练变量;由加州大学洛杉矶分校的研究人员开发而成。研究小组通过分析417名前列腺癌患者核磁共振扫描结果来训练此系统;扫描结果被输入到系统中,使其自主学会以一致的方式评估并分类肿瘤,然后将结果与实际病理标本进行比较。最后,研究人员将人工智能系统的测试结果与加州大学洛杉矶分校拥有10多年经验的放射科医生的诊断结果进行比较。

影响

研究表明,人工智能系统可以提高效率,并且未来有可能为经验不足的放射科医生提供诊断指导。

作者

这项研究的资深作者包括加州大学洛杉矶分校大卫·格芬医学院(David Geffen School of Medicine)放射科助理教授Kyung Sung;加州大学洛杉矶分校放射科临床教授、加州大学洛杉矶分校琼森综合癌症中心 (UCLA Jonsson Comprehensive Cancer Center) 成员 Steven Raman博士;以及加州大学洛杉矶分校放射科主任Dieter Enzmann博士。首席作者是加州大学洛杉矶分校的研究生Ruiming Cao;其他作者包括Amirhossein Bajgiran、Sohrab Mirak、Sepideh Shakeri 以及 Xinran Zhong,均来自加州大学洛杉矶分校。

期刊

这项研究由国际顶级期刊IEEE Transactions on Medical Imaging发表;此论文于2019年4月在IEEE International Symposium on Biomedical Imaging生物医学成像国际研讨会期间得到展示讲解,并被选为最佳论文亚军。

媒体联系

Denise Heady310-206-2805dheady@mednet.ucla.edu