Artificial intelligence–assisted detection of lung cancer using bronchoscopic images
这项研究表明，深度学习模型（尤其是 EfficientNet-B1）在检测白光支气管镜图像中的肺癌方面达到了极高的诊断准确率，这表明尽管其在组织学亚型分类方面的表现较为一般，但仍具有作为重要临床辅助工具的潜力。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
每年，肺癌夺走的生命比任何其他形式的疾病都多，这使得寻找早期病灶的竞赛成为关乎生死的问题。医生通常使用一种带有摄像头的柔性管（称为支气管镜）来观察气道内部并发现可疑的生长物。虽然这一工具至关重要，但其成功在很大程度上取决于操作医生的技术；有些病变很容易被看到，而另一些则隐藏在显眼处或看起来具有欺骗性的正常外观。近年来，计算机已经开始学习如何以媲美人类专家的精度来读取医学图像，从而提供一种新型的辅助手段。这种被称为深度学习的技术，使机器能够识别出人类肉眼可能忽略的图像模式，有望将支气型镜转变为医生更聪明、更可靠的伙伴。
来自韩国两家医院的研究小组着手测试这项技术是否可以帮助利用这些程序中拍摄的标准视频图像来检测肺癌。他们收集了来自近两千名患者的超过一万四千张图像的大规模集合，涵盖了健康的呼吸道以及受癌症影响的呼吸道。为了确保他们的结果是可靠的而非仅仅是运气好，他们对数据进行了拆分，确保计算机在学习和测试阶段不会两次看到同一个患者。随后，他们训练了两种不同类型的人工智能模型来充当“第二双眼睛”，教它们区分正常气道与携带肿瘤的气道。
结果显示，计算机在这项工作上表现得非常出色。当被要求简单判断一张图像显示的是否为癌症时，表现最好的模型在超过95%的情况下正确识别了病情。它在避免误报方面表现得尤为出色，几乎总能正确识别健康的气道。其中一个采用被称为平衡了尺寸与效率的特定设计的模型，表现略优于另一个，它能捕捉到更多的癌症，同时犯更少的错误。这表明，人工智能系统可以作为一个高度准确的安全网，提醒医生注意那些原本可能被忽视的潜在问题。
研究人员还试图进一步推动这项技术，通过仅观察图像就让计算机识别出特定的肺癌类型，例如鳞状细胞癌或腺癌。事实证明，这是一项困难得多的任务。虽然该系统能较好地识别鳞状细胞癌，但在处理腺癌时却显得非常吃力，经常完全漏诊。作者解释说，这种困难可能源于疾病本身的性质；某些癌症类型的生长方式在摄像头下看起来差异巨大，而另一些则在进行活检之前一直保持微妙或隐蔽的状态。与寻找肿瘤这一明确的任务不同，仅凭视频图像来分辨一种肿瘤类型与另一种类型，是即使是最智能的现有模型也难以掌握的挑战。
这项研究并不声称人工智能已经解决了肺癌诊断的问题，也不建议用计算机取代医生。相反，研究结果指向了一个未来，即这些工具将作为一种强大的辅助手段，特别是在繁忙的诊所或对于经验较少的从业者而言。研究人员强调，他们的工作是对过去数据的回顾性观察，下一步是在许多不同医院进行实时、现场程序的测试。如果未来的测试能证实这些结果，那么人类的技术与机器的精准相结合，可能会成为抗击肺癌的标准组成部分，为全球患者提供一条更清晰的早期检测之路。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。