霁彩华年,因梦同行—— 庆祝深圳霁因生物医药转化研究院成立十周年 情绪益生菌PS128助力孤独症治疗,权威研究显示可显著改善孤独症症状 PARP抑制剂氟唑帕利助力患者从维持治疗中获益,改写晚期卵巢癌治疗格局 新东方智慧教育发布“东方创科人工智能开发板2.0” 精准血型 守护生命 肠道超声可用于检测儿童炎症性肠病 迷走神经刺激对抑郁症有积极治疗作用 探索梅尼埃病中 MRI 描述符的性能和最佳组合 自闭症患者中痴呆症的患病率增加 超声波 3D 打印辅助神经源性膀胱的骶神经调节 胃食管反流病患者耳鸣风险增加 间质性膀胱炎和膀胱疼痛综合征的临床表现不同 研究表明 多语言能力可提高自闭症儿童的认知能力 科学家揭示人类与小鼠在主要癌症免疫治疗靶点上的惊人差异 利用正确的成像标准改善对脑癌结果的预测 地中海饮食通过肠道细菌变化改善记忆力 让你在 2025 年更健康的 7 种惊人方法 为什么有些人的头发和指甲比其他人长得快 物质的使用会改变大脑的结构吗 饮酒如何影响你的健康 20个月,3大平台,300倍!元育生物以全左旋虾青素引领合成生物新纪元 从技术困局到创新锚点,天与带来了一场属于养老的“情绪共振” “华润系”大动作落槌!昆药集团完成收购华润圣火 十七载“冬至滋补节”,东阿阿胶将品牌营销推向新高峰 150个国家承认巴勒斯坦国意味着什么 中国海警对非法闯仁爱礁海域菲船只采取管制措施 国家四级救灾应急响应启动 涉及福建、广东 女生查分查出608分后,上演取得理想成绩“三件套” 多吃红色的樱桃能补铁、补血? 中国代表三次回击美方攻击指责 探索精神健康前沿|情绪益生菌PS128闪耀宁波医学盛会,彰显科研实力 圣美生物:以科技之光,引领肺癌早筛早诊新时代 神经干细胞移植有望治疗慢性脊髓损伤 一种简单的血浆生物标志物可以预测患有肥胖症青少年的肝纤维化 婴儿的心跳可能是他们说出第一句话的关键 研究发现基因检测正成为主流 血液测试显示心脏存在排斥风险 无需提供组织样本 假体材料有助于减少静脉导管感染 研究发现团队运动对孩子的大脑有很大帮助 研究人员开发出诊断 治疗心肌炎的决策途径 两项研究评估了医疗保健领域人工智能工具的发展 利用女子篮球队探索足部生物力学 抑制前列腺癌细胞:雄激素受体可以改变前列腺的正常生长 肽抗原上的反应性半胱氨酸可能开启新的癌症免疫治疗可能性 研究人员发现新基因疗法可以缓解慢性疼痛 研究人员揭示 tisa-cel 疗法治疗复发或难治性 B 细胞淋巴瘤的风险 适量饮酒可降低高危人群罹患严重心血管疾病的风险 STIF科创节揭晓奖项,新东方智慧教育荣膺双料殊荣 中科美菱发布2025年产品战略布局!技术方向支撑产品生态纵深! 从雪域高原到用户口碑 —— 复方塞隆胶囊的品质之旅
您的位置:首页 >医学前沿 >

2月25日人工智能平台显示了从超声图像进行甲状腺癌筛查和分期的潜力

一项新的研究发现,结合多种机器学习方法的人工智能 (AI) 模型可以准确地检测甲状腺癌,并通过分析常规超声图像来预测病理和基因组结果。人工智能模型可以为该疾病的筛查、分期和个性化治疗计划提供一种低成本、非侵入性的选择。该研究的结果将于明天在 2022 年多学科头颈癌研讨会上公布。

“甲状腺癌是美国增长最快的癌症之一,主要是由于检测的增加和诊断的改进。我们开发了一个人工智能平台,可以检查超声图像并高精度预测是否存在潜在问题的甲状腺结节,事实上,癌变。如果是癌变,我们可以进一步预测肿瘤分期、淋巴结分期以及是否存在 BRAF 突变,”资深作者、医学博士、头颈部放射肿瘤学研究项目主任 Annie Chan 说麻省总癌症中心。“如果及早发现,这种疾病是高度可治疗的,患者通常可以在治疗后存活很长时间。”

为了训练和验证 AI 平台,研究人员通过常规诊断超声从 784 名患者中获得了 1,346 张甲状腺结节图像。超声图像分为两个数据集,一个用于内部训练和验证,一个用于外部验证。通过细针活检获得的样本证实了恶性肿瘤。病理分期和突变状态分别通过手术报告和基因组测序得到证实。

与传统的人工智能方法不同,研究人员为模型结合了多种人工智能方法,包括(1)放射组学,从图像中提取大量定量特征;(2)拓扑数据分析(TDA),评估图像中数据点之间的空间关系;(3) 深度学习,算法通过人工智能神经网络的多层运行数据以生成预测;(4) 机器学习 (ML),其中算法利用甲状腺成像报告和数据系统 (TI-RADS) 定义的超声特性作为 ML 特征。“通过集成不同的人工智能方法,我们能够在最大限度地减少噪音的同时捕获更多数据。这使我们能够在做出预测时达到高度的准确性,”陈博士说。

利用这四种方法的多模式平台准确预测了内部数据集中 98.7% 的甲状腺结节恶性肿瘤,显着优于单独使用的单个 AI 模式。相比之下,个体放射组学模型预测了 89% 的恶性肿瘤(与多模态平台相比,p<0.001),深度学习模型达到了 87% 的准确率(p=0.002),TDA 和 (ML)TI-RADS 准确率为 81 % 和 80% 的样本,分别为(均 p<0.001)。在外部验证数据集上,该模型对恶性肿瘤预测的准确率为 93%。

标签:

免责声明:本文由用户上传,与本网站立场无关。财经信息仅供读者参考,并不构成投资建议。投资者据此操作,风险自担。 如有侵权请联系删除!