趋势分析|谷歌推出AI早期肺癌检测系统,准确率94%
据外媒报道,Google研究人员与斯坦福大学、纽约大学等高校合作开发了一个人工智能肺癌检测系统,该系统可以通过胸部计算机断层扫描图像(CT)检测恶性肺结节,检测水平超过专业放射科的医生。
在分析单次CT扫描时,该系统检测到的癌症案例比一组六位人类专家平均多5%,并且减少假阳性的可能性增加了11%。在预测两年后患癌风险时,该模型发现率高9.5% 。该研究详情发表在今天的《自然医学》杂志上。
整体建模框架(图片来源于网络)
该论文提到,肺癌是美国最常见的癌症死因,2018年约有16万人因此死亡。美国及欧洲的大型临床实验表明,胸部筛查可以识别肺癌并且降低死亡率。但胸部筛查本身存在错误率较高和适用性有限的问题,影响了肺癌的早期检测和后续治疗。
基于胸部筛查较高的错误率与有限的适用性,谷歌人工智能部门的Daniel Tse与斯坦福大学、纽约大学等联合开发了一个深度学习模型。通过学习42290个CT扫描图像,这一深度学习模型实现了不依靠人工参与便可预测肺部结节的恶性程度。同时,其在6716例测试病例中检测微小恶性肺部结节的准确率达94%。
肺癌(Lung Cancer)是发病率和死亡率增长最快,对人群健康和生命威胁最大的恶性肿瘤之一。近50年来许多国家都报道肺癌的发病率和死亡率均明显增高,男性肺癌发病率和死亡率均占所有恶性肿瘤的第一位,女性发病率占第二位,死亡率占第二位。
肺癌的病因至今尚不完全明确,大量资料表明,长期大量吸烟与肺癌的发生有非常密切的关系。已有的研究证明:长期大量吸烟者患肺癌的概率是不吸烟者的10~20倍,开始吸烟的年龄越小,患肺癌的几率越高。此外,吸烟不仅直接影响本人的身体健康,还对周围人群的健康产生不良影响,导致被动吸烟者肺癌患病率明显增加。
肺癌热度变化图
下面我们用Trend analysis分析肺癌领域内的研究热点。
(点击文末阅读原文或复制链接https://trend.aminer.cn/topic/trend?query=Lung%20Cancer至浏览器打开即可进入肺癌趋势分析)
上图是当前该领域的热点技术趋势分析,通过Trend analysis分析挖掘可以发现当前该领域的热点研究话题如下:
nature publishing group
prescription drugs
tumor marker
pet CT
等等......
根据Trend analysis的分析结果我们可以发现,computed tomography是该领域的热门研究话题之一。
Computed tomography即CT,CT是肺癌筛查的首选方式。大规模临床试验表明,胸部低剂量CT扫描可以发现肺癌的重要特征,将死亡率降低20%~43%。《自然医学》报告的人工智能肺癌检测系统就是通过CT检测恶性肺结节,从而对肺癌进行早期诊断。
研究人员认为,该研究显示了深度学习模型在提高全世界肺癌筛查的准确性、一致性和采用率方面的潜力,可能有助于改善肺癌患者的治疗和预后过程。研究人员同时指出,上述发现仍需在大量患者中进行临床验证。如果可以经过临床验证,那么该技术将显著改善肺癌患者的治疗和预后过程。这对于医疗界来讲将是突破性的进展。
肺癌领域5篇代表论文
题目:Cancer Statistics, 2004
会议/期刊:Ca-a Cancer Journal for Clinicians, Volume 54, Issue 1, 2004, Pages 8-29.作者:A. Jemal, R. C. Tiwari, T. Murray
年份: 2004年
题目:Cancer incidence in five continents
会议/期刊:New York state journal of medicine, Volume 89, Issue 7, 1989, Pages 432-433.
作者:Dm Parkin, Sl Whelan, J Ferlay, L Raymond, J Young, Edi-tors
年份: 1989年
题目:Effects of a combination of beta carotene and vitamin A on lung cancer and cardiovascular disease
会议/期刊:The New England Journal of Medicine, Volume 334, Issue 18, 1996, Pages 1150-1155.
作者:Gilbert S Omenn, Gary E Goodman, Mark D Thornquist, John R Balmes等人
年份:1996年
会议/期刊:Nature, Volume 489, Issue 7417, 2012, Pages 519-525.
作者:Peter S. Hammerman, Michael S. Lawrence, Douglas Voet等人
年份: 2012年
作者:P.J. Randle, P.B. Garland, C.N. Hales, E.A. Newsholme
年份:1963年
AMiner趋势分析介绍
AMiner全新功能技术趋势分析Trend analysis(http://trend.aminer.cn)基于AMiner 2亿篇论文数据进行深入挖掘,包括对技术来源、热度、发展趋势进行研究,进而预测未来的技术前景。
技术趋势分析描述了技术的出现、变迁和消亡的全过程,可以帮助研究人员理解领域的研究历史和现状,快速识别研究的前沿热点问题。
我们目前已发布了38期分析内容,具体如下: