來自科隆大學醫學院和科隆大學醫院的工程師團隊推出了一種可以幫助檢測的人工智慧模型
肺癌是世界上最致命的疾病之一，預計到 2023 年將奪走 130 萬人的生命。非小細胞肺癌 (NSCLC) 佔所有肺癌的 80% 以上，其特徵是隨著時間的推移，肺組織中出現惡性腫瘤。
為了在腫瘤破壞周圍組織之前將其切除，患者必須接受強化和引流治療，平均費用可能超過 68,000 美元。儘管早期診斷和治療，肺癌的死亡率仍然很高。因此，準確診斷至關重要，僅次於預防。
病理檢查是腫瘤科醫師檢測肺癌組織的主要方法。在此過程中，醫療保健專業人員收集蘇木精和曙紅 (H&E) 染色的組織樣本。然後，腫瘤學家會審查這些樣本，以確定是否存在腫瘤細胞，並將其與您的數據和遺傳學結合起來，以建立有效的治療方案。
雖然幾十年來腫瘤學中組織採集的初始步驟基本上保持不變，但數據處理的方式和手段已經遷移到數位格式。數位病理學平台使研究人員不再需要透過顯微鏡觀察細胞，而是使用電腦顯示器。
數位化病理學帶來了一些重大好處，包括將軟體整合到發現過程中的能力。如今，大多數專家使用某種形式的數位肺組織分析來確定您的狀態。未來幾年，人工智慧將取代手動操作的軟體系統，成為確定組織中是否存在肺癌的主要方式。
人工智慧模型可以利用大量的組織學圖像並提取人類審閱者無法捕獲的附加資訊。因此，人們大力推動創建更有效、更容易使用的人工智慧病理系統。
最近發表在《Cell Reports Medicine》雜誌上的一項研究推出了新的人工智慧演算法和專為 NSCLC 診斷設計的計算病理學平台。該研究展示了新的人工智慧基礎模型的組合，代表了迄今為止使用的最大、最相關的數據集。該系統整合了詳細的多類組織資料集，其中包括具有肺腺癌和鱗狀細胞癌等重要細節的全幻燈片圖像。值得注意的是，該 AI 模型整合了來自 1,527 名患者的 +4k 幻燈片，並且源自於國際肺癌研究提供者隊列。
研究的測試階段涉及將組織樣本結果與專家病理學家的意見進行比較，以確保品質。團隊熱衷於僅使用源自 H&E 染色組織樣本的可解釋、獨立、有效的預後參數，這樣更容易確認結果。實驗中使用了四種人工智慧模型。每個人工智慧演算法都旨在檢查和確定不同的類別，包括上皮腫瘤成分、腫瘤基質、壞死碎片和黏蛋白。人工智慧系統審查即時數據，並將其與模型內的三級淋巴結構和壞死評估進行比較，以尋求相似之處。
結果表明，該演算法比其他確定肺癌腫瘤的方法更準確且更快。該團隊展示了 0.89 的準確度，其中許多誤差屬於與像素相關的光學問題，而不是 AI 演算法的偵測能力。人工智慧驅動的肺癌檢測系統為市場帶來了多項好處。其一，這些低成本替代方案可用於無法獲得更大、更專業的設備和專業人員的偏遠地區。因此，它們可以幫助創建一個更平衡和方便的治療過程。
人工智慧系統的主要好處之一是它是完全自動化的。系統對組織樣本進行掃描、顯示、測試，並提出治療建議。透過減少診斷時間，患者可以降低治療需求和成本。這項研究讓許多專業人士興奮的另一個主要原因是它為衍生新的資料收集方法打開了大門。
AI アルゴリズムは、データセット内の見えにくいパターンやつながりを判断できるようになってきています。そのため、このシステムは患者から収集した古い情報と新しい情報から継続的に学習し、その機能を向上させることができます。この病気の研究が長年にわたって行われ、何百万もの肺がん組織サンプルが採取されてきました。このデータは、検出が困難なパターンや関連する出来事を判断できる大規模な AI モデルに組み込まれれば、将来の予防方法への手がかりが得られる可能性があります。
もう 1 つの大きな利点は、より良い治療法です。このシステムにより、医療専門家は記録的な速さで患者に合わせて最適化された個別の治療法を作成できるようになります。肺がんの診断は、病気の蔓延を防ぎ、患者の死亡率を下げるために不可欠です。将来的には、これらのシステムを自宅に設置したり、個人や小規模な診療所にレンタルしたりすることもできるでしょう。この戦略は、誤診、出張の必要性、関係者全員の出費を削減しながら、世界的な導入への扉を開くことになるでしょう。
このプロジェクトの研究チームは、ケルン大学病院の一般病理学および病理解剖学研究所のユーリ・トルカッハ博士とラインハルト・ビュートネ教授が率いました。このプロジェクトは、ノルトライン ヴェストファーレン州、連邦教育省、
からの助成金によって実現しました。以上是新的人工智慧模型可在幾分鐘內檢測出肺癌組織，人工智慧將改變醫療產業的詳細內容。更多資訊請關注PHP中文網其他相關文章！
