来自科隆大学医学院和科隆大学医院的工程师团队推出了一种可以帮助检测的人工智能模型
肺癌是世界上最致命的疾病之一，预计到 2023 年将夺去 130 万人的生命。非小细胞肺癌 (NSCLC) 占所有肺癌的 80% 以上，其特征是随着时间的推移肺组织中出现恶性肿瘤。
为了在肿瘤破坏周围组织之前将其切除，患者必须接受强化和引流治疗，平均费用可能超过 68,000 美元。尽管早期诊断和治疗，肺癌的死亡率仍然很高。因此，准确诊断至关重要，仅次于预防。
病理检查是肿瘤科医生检测肺癌组织的主要方法。在此过程中，医疗保健专业人员收集苏木精和曙红 (H&E) 染色的组织样本。然后，肿瘤学家会审查这些样本，以确定是否存在肿瘤细胞，并将其与您的数据和遗传学结合起来，以制定有效的治疗方案。
虽然几十年来肿瘤学中组织采集的初始步骤基本保持不变，但数据处理的方式和手段已经迁移到数字格式。数字病理学平台使研究人员不再需要通过显微镜观察细胞，而是使用计算机显示器。
数字化病理学带来了一些重大好处，包括将软件集成到发现过程中的能力。如今，大多数专家使用某种形式的数字肺组织分析来确定您的状态。未来几年，人工智能将取代手动操作的软件系统，成为确定组织中是否存在肺癌的主要方式。
人工智能模型可以利用大量的组织学图像并提取人类审阅者无法捕获的附加信息。因此，人们大力推动创建更有效、更易于使用的人工智能病理系统。
最近发表在《Cell Reports Medicine》杂志上的一项研究推出了新的人工智能算法和专为 NSCLC 诊断设计的计算病理学平台。该研究展示了新的人工智能基础模型的组合，代表了迄今为止使用的最大、最相关的数据集。该系统集成了详细的多类组织数据集，其中包括具有肺腺癌和鳞状细胞癌等重要细节的全幻灯片图像。值得注意的是，该 AI 模型集成了来自 1,527 名患者的 +4k 幻灯片，并且源自国际肺癌研究提供者队列。
研究的测试阶段涉及将组织样本结果与专家病理学家的意见进行比较，以确保质量。该团队热衷于仅使用源自 H&E 染色组织样本的可解释、独立、有效的预后参数，这样更容易确认结果。实验中使用了四种人工智能模型。每个人工智能算法都旨在检查和确定不同的类别，包括上皮肿瘤成分、肿瘤基质、坏死碎片和粘蛋白。人工智能系统审查实时数据，并将其与模型内的三级淋巴结构和坏死评估进行比较，以寻求相似之处。
结果表明，该算法比其他确定肺癌肿瘤的方法更准确且更快。该团队展示了 0.89 的准确性，其中许多不准确性属于与像素相关的光学问题，而不是人工智能算法的检测能力。人工智能驱动的肺癌检测系统为市场带来了多项好处。其一，这些低成本替代方案可用于无法获得更大、更专业的设备和专业人员的偏远地区。因此，它们可以帮助创建一个更加平衡和方便的治疗过程。
人工智能系统的主要好处之一是它是完全自动化的。系统对组织样本进行扫描、显示、测试，并提出治疗建议。通过减少诊断时间，患者可以降低治疗需求和成本。这项研究让许多专业人士兴奋的另一个主要原因是它为衍生新的数据收集方法打开了大门。
人工智能算法越来越有能力确定数据集中难以看到的模式和联系。因此，该系统将能够不断学习从患者收集的新旧信息，从而提高其能力。多年来对这种疾病的研究已经采集了数百万份肺癌组织样本。一旦将这些数据输入到更大的人工智能模型中，该模型可以确定难以检测的模式和相关事件，这些数据可能会为未来的预防方法解锁一些线索。
另一个主要好处是更好的治疗。该系统使医疗保健专业人员能够在创纪录的时间内为患者创建优化和个性化的治疗方案。肺癌诊断对于预防疾病传播和降低患者死亡率至关重要。将来，这些系统可以放置在您的家中，甚至可以租给个人或小型诊所。这一举措将为全球采用打开大门，同时减少误诊、旅行需求以及所有相关方的费用。
该项目的研究团队由科隆大学医院普通病理学和病理解剖学研究所的 Yuri Tolkach 博士和 Reinhard Büttne 教授领导。该项目是通过北莱茵-威斯特法伦州、联邦教育部和
的资助得以实现的以上是新的人工智能模型可在几分钟内检测出肺癌组织，人工智能将改变医疗行业的详细内容。更多信息请关注PHP中文网其他相关文章！
