Vizuální průvodce AI

Detekce AI plicních uzlin

Detekce plicních uzlů AI využívá modely počítačového vidění, většinou hluboké neuronové sítě, k nalezení, měření a posouzení malých skvrn v plicích na CT skenech a k odhadu, s jakou pravděpodobností je každé místo rakovinou.

Poslechněte si tento návodAI-vyprávěný · ~3 min

Na této stránce4 min čtení
  1. Přehled
  2. Hluboký ponor
  3. Real-World Implementace
  4. Budoucnost AI detekce plicních uzlin
  5. Uvedení do praxe
  6. Pokračujte v objevování
  7. Často kladené otázky

Přehled

Je to důležité, protože nízkodávkovaný CT screening snižuje úmrtí na rakovinu plic. Ale každý sken obsahuje stovky tenkých plátků ke čtení a většina uzlů je neškodná. Nástroje, které uzliny spolehlivě najdou a pomohou oddělit rizikové od neškodných, ovlivňují jak zmeškané nádory, tak zbytečné následné procedury.

Hluboký ponor

Plicní uzel je zaoblená skvrna v plicích o průměru až 3 cm. Cokoli většího se obvykle nazývá hmota. Uzliny jsou velmi časté a většinou jde o staré jizvy, infekce nebo nezhoubné výrůstky. Na CT jsou popisovány jako pevné, částečně pevné nebo zabroušené a každý typ nese jiné riziko. Screening je místo, kde AI přitahuje největší pozornost. Americká National Lung Screening Trial, publikovaná v roce 2011, zjistila, že nízkodávkované CT snížilo úmrtí na rakovinu plic asi o 20 procent ve srovnání s rentgenem hrudníku. Evropská studie NELSON později potvrdila přínos. V roce 2021 doporučila pracovní skupina pro preventivní služby USA každoroční screening u dospělých ve věku 50 až 80 let s nejméně 20letou historií kouření, kteří v posledních 15 letech stále kouřili nebo přestali kouřit. Systém Lung-RADS společnosti American College of Radiology standardizuje způsob, jakým jsou screeningové skeny hlášeny a sledovány. Náhodně nalezené uzliny na skenech provedených z jiných důvodů se obvykle řídí pokyny Fleischnerovy společnosti. AI dělá tři samostatné úkoly. Detekce najde kandidátní uzliny. Měření segmentuje každý uzlík, aby získal jeho velikost a objem. Charakterizace odhaduje riziko rakoviny. Studie Google z roku 2019 v přírodní medicíně vycvičila model hlubokého učení na skenech NLST. V retrospektivních testech bez předchozího skenování pro srovnání se vyrovnal nebo porazil radiology v předpovědi rakoviny. Sybil, vyvinutý na MIT a Massachusetts General Hospital, odhaduje riziko rakoviny plic v průběhu následujících let z jediného CT s nízkou dávkou, i když není vidět žádný podezřelý uzlík. Falešná pozitiva jsou hlavním kompromisem. V NLST byla zhruba čtvrtina screeningů pozitivní a velká většina z nich nebyla rakovina. Citlivější detektor označí více míst, což zvyšuje dobu čtení, následné skenování, úzkost a občas invazivní procedury. Obvyklá mylná představa je, že AI diagnostikuje rakovinu plic. Označuje a odhaduje riziko a rakovinu potvrdí pouze odběr tkáně.

Real-World Implementace

Screeningový program spouští detekční software na každém CT s nízkou dávkou. Označuje 5 mm uzel v pravém horním laloku, který sedí vedle cévy, kde jej lze snadno minout, a radiolog to potvrdí.

Software pro měření objemu porovnává 7 mm pevný uzlík se skenem pacienta z předchozího roku a vypočítává změnu objemu. To pomáhá radiologovi přiřadit kategorii Lung-RADS a interval sledování.

Klinika plicních uzlin aplikuje skóre rizika malignity na 12mm uzel, který se náhodně objevil na nouzovém CT. Skóre pomáhá rozhodnout se mezi PET-CT, biopsií nebo opakovaným zobrazením.

Zdravotní systém prohledává CT hrudníku, která byla objednána z jiných důvodů, jako je trauma nebo srdeční skeny, a označí náhodné uzliny, které nikdy nedostaly doporučení k následné kontrole.

Budoucnost AI detekce plicních uzlin

Výzkumníci testují, jak by rizikové modely, jako je Sybil, mohly personalizovat intervaly screeningu a zda umělá inteligence může pomoci rozšiřovat programy screeningu, aniž by úměrně přidávala práci radiologů. Screeningové CT také ukazují koronární vápník a emfyzém, takže nástroje, které tyto nálezy hlásí, mohou přidat hodnotu. Některé programy zkoumají screeningové skupiny mimo kritéria založená na kouření, jako jsou lidé s rodinnou anamnézou. Klíčové otevřené otázky jsou, jak tyto nástroje prospektivně fungují v různých populacích a skenerech a zda snižují falešně pozitivní zátěž bez chybějících rakovin. Ty důkazy se stále hromadí.

Uvedení do praxe

Proč na tom záleží

  • Rychlost a měřítko. Vizuální AI může automatizovat úkoly inspekce, detekce a označování ve velkém měřítku.
  • Volby sestavy. Kreativní týmy mohou prototypovat koncepty rychleji s menším počtem ručních revizí.
  • Tým a pracovní postup. Operace mohou využívat obrazové a video signály, které bylo dříve obtížné zpracovat.

Pozor na

  • Obrazová práva a souhlas se mohou stát právním rizikem, pokud je původ nejasný.
  • Výkon modelu se může lišit podle osvětlení, demografických údajů a prostředí.
  • Falešně pozitivní mohou zůstat bez povšimnutí, pokud nejsou monitorovány prahové hodnoty spolehlivosti.

Další kroky

  1. Definujte kritéria přijatelnosti pro přesnost, stažení a náklady na chyby.
  2. Testujte s daty, která odpovídají reálným výrobním podmínkám.
  3. Přidejte lidskou kontrolu pro předpovědi s nízkou spolehlivostí nebo velkým dopadem.
  4. Sledujte posun modelu a znovu ověřte po změnách kamery nebo datové sady.

Pokračujte v objevování

Newsletter zdarma

Získejte denní přehled o AI

Tři ověřené příběhy ze světa AI každý všední den ráno, psané srozumitelnou angličtinou. Navždy zdarma, bez reklam.

Jeden e-mail každý všední den. Odhlásit se můžete jedním kliknutím. Vaši adresu nikdy neprodáváme ani nesdílíme.

Otestujte se

Udělejte si kvíz AI Lung Nodule Detection

Okamžitá zpětná vazba ke každé odpovědi a sdílitelný certifikát s ověřitelným ID po absolvování kurzu.

Spustit kvíz

Podpořte bezplatnou AI vzdělávání. AI Understanding je nezisková organizace 501(c)(3) — žádné reklamy, žádná platba za přístup, nikdy. Darujte

Často kladené otázky

Co je detekce AI plicních nodulů?

Detekce plicních uzlů AI využívá modely počítačového vidění, většinou hluboké neuronové sítě, k nalezení, měření a posouzení malých skvrn v plicích na CT skenech a k odhadu, s jakou pravděpodobností je každé místo rakovinou. Je to důležité, protože nízkodávkovaný CT screening snižuje úmrtí na rakovinu plic. Ale každý sken obsahuje stovky tenkých plátků ke čtení a většina uzlů je neškodná. Nástroje, které uzliny spolehlivě najdou a pomohou oddělit rizikové od neškodných, ovlivňují jak zmeškané nádory, tak zbytečné následné procedury.

V National Lung Screening Trial bylo nízkodávkované CT srovnáváno s jakou alternativou?

NLST porovnávala nízkodávkované CT s rentgenem hrudníku a zjistila asi 20procentní snížení úmrtí na rakovinu plic s CT.

Jaké věkové rozmezí stanovilo doporučení USPSTF pro rok 2021 pro každoroční screening rakoviny plic?

Doporučení pro rok 2021 se vztahuje na dospělé ve věku 50 až 80 let s minimálně 20letou historií, kteří kouří nyní nebo přestali kouřit během posledních 15 let.

Na CT provedeném pro bolest břicha se náhodou objeví 9 mm uzel. Jakými pokyny se podle průvodce obvykle řídí jeho následná činnost?

Lung-RADS pokrývá screeningová vyšetření. Náhodně nalezené uzliny na skenech provedených z jiných důvodů se obvykle řídí pokyny Fleischnerovy společnosti.

Čím se Sybil z MIT a Massachusetts General Hospital liší od standardního detektoru uzlin?

Sybil předpovídá riziko v následujících letech z jednoho skenování, spíše než jen z označení aktuálních uzlin.

Proč jsou detektory uzlů často vyhodnocovány pomocí křivek FROC?

Analýza FROC zachycuje kompromis mezi nalezením uzlů a vytvořením falešných značek na každém skenování.