Vizuális MI ÚTMUTATÓ

AI tüdőcsomó-felismerés

A mesterséges intelligencia tüdőcsomó-detektálása számítógépes látásmodelleket, többnyire mély neurális hálózatokat használ, hogy megtalálja, mérje és értékelje a CT-vizsgálatokon a tüdőben lévő kis foltokat, és megbecsülje, hogy az egyes foltok mennyire valószínű, hogy rákosak.

Hallgassa meg ezt az útmutatótAI-narrált · ~3 min

Ezen az oldalon4 perc olvasás
  1. Áttekintés
  2. Mély merülés
  3. Valós megvalósítás
  4. Az AI tüdőcsomó-detektálás jövője
  5. A gyakorlatba ültetés
  6. Folytassa a felfedezést
  7. Gyakran ismételt kérdések

Áttekintés

Ez azért fontos, mert az alacsony dózisú CT-szűrés csökkenti a tüdőrák okozta halálozások számát. De minden vizsgálat több száz vékony szeletet tartalmaz, és a legtöbb csomó ártalmatlan. Azok az eszközök, amelyek megbízhatóan megtalálják a csomókat, és segítenek elkülöníteni a kockázatosakat az ártalmatlanoktól, hatással vannak az elmulasztott rákos megbetegedésekre és a szükségtelen nyomon követési eljárásokra is.

Mély merülés

A tüdőcsomó egy lekerekített folt a tüdőben, legfeljebb 3 cm átmérőjű. Minden nagyobb dolgot tömegnek neveznek. A csomók nagyon gyakoriak, és a legtöbb régi heg, fertőzés vagy jóindulatú daganat. A CT-n tömör, részben szilárd vagy csiszolt üvegként írják le őket, és mindegyik típus más kockázattal jár. A szűrés az, ahol a mesterséges intelligencia a legtöbb figyelmet felkeltette. A 2011-ben jelentett amerikai nemzeti tüdőszűrési kísérlet kimutatta, hogy az alacsony dózisú CT körülbelül 20 százalékkal csökkentette a tüdőrákos halálozások számát a mellkasröntgenhez képest. Az európai NELSON-próba később megerősítette a hasznot. 2021-ben az Egyesült Államok Megelőző Szolgálatainak Munkacsoportja éves szűrést javasolt azoknak az 50 és 80 év közötti, legalább 20 csomagévnyi dohányzási múlttal rendelkező felnőtteknek, akik az elmúlt 15 évben még mindig dohányoznak vagy leszoktak. Az American College of Radiology Lung-RADS rendszere szabványosítja a szűrővizsgálatok jelentésének és nyomon követésének módját. Az egyéb okokból végzett vizsgálatok során véletlenül talált csomókat általában a Fleischner Társaság irányelvei szerint kezelik. Az AI három különböző feladatot lát el. Az észlelés megtalálja a jelölt csomókat. A mérés szegmentálja az egyes csomókat, hogy megkapja méretét és térfogatát. A jellemzés megbecsüli a rák kockázatát. A Nature Medicine 2019-es Google tanulmánya az NLST-vizsgálatok mélytanulási modelljét képezte. A retrospektív tesztek során előzetes összehasonlítás nélküli szkennelés nélkül, a radiológusokat a rák előrejelzésében egyezett vagy felülmúlta. Az MIT és a Massachusetts General Hospital által kifejlesztett Sybil egyetlen alacsony dózisú CT-vel megbecsüli az egyén tüdőrák kockázatát a következő években, még akkor is, ha nem látható gyanús góc. A hamis pozitív eredmények jelentik a központi kompromisszumot. Az NLST-ben a szűrések nagyjából egynegyede volt pozitív, és ezek túlnyomó többsége nem volt rákos. Az érzékenyebb detektor több foltot jelöl meg, ami növeli az olvasási időt, a nyomon követési vizsgálatokat, a szorongást és az esetenként invazív eljárásokat. Általános tévhit, hogy az AI tüdőrákot diagnosztizál. Jelzi és becsüli a kockázatot, és csak a szövetminta igazolja a rákot.

Valós megvalósítás

Minden egyes alacsony dózisú CT-n egy szűrőprogram érzékelőszoftvert futtat. A jobb felső lebenyben egy ér mellett ülő 5 mm-es csomót jelöl, ahonnan könnyen eltéveszthető, és a radiológus megerősíti.

A térfogatmérő szoftver egy 7 mm-es tömör csomót összehasonlít a páciens egy évvel korábbi képével, és kiszámítja a térfogat változását. Ez segít a radiológusnak egy Lung-RADS kategóriát és egy követési intervallumot hozzárendelni.

A tüdőcsomó-klinika a sürgősségi CT-n véletlenül felbukkanó 12 mm-es csomónál rosszindulatú daganatkockázati pontszámot alkalmaz. A pontszám segít dönteni a PET-CT, a biopszia vagy az ismételt képalkotás között.

Az egészségügyi rendszer megkeresi azokat a mellkasi CT-ket, amelyeket egyéb okokból, például trauma vagy szívvizsgálat miatt rendeltek el, és megjelöli azokat a véletlenszerű csomókat, amelyek soha nem kaptak nyomon követési ajánlást.

Az AI tüdőcsomó-detektálás jövője

A kutatók azt vizsgálják, hogy a kockázati modellek, mint a Sybil, hogyan szabhatják személyre a szűrési intervallumokat, és hogy az AI segíthet-e a szűrési programok bővítésében anélkül, hogy arányosan növelné a radiológus munkaterhelését. A szűrési CT-k koszorúér-kalciumot és emfizémát is mutatnak, így az ezeket a leleteket jelentő eszközök hozzáadott értéket jelenthetnek. Egyes programok a dohányzáson alapuló kritériumokon kívüli szűrési csoportokat kutatnak, például olyan személyeket, akiknek családjában előfordult már. A kulcsfontosságú nyitott kérdések az, hogy ezek az eszközök hogyan teljesítenek távlatosan a különböző populációkban és szkennerekben, és csökkentik-e a hamis pozitív terhet anélkül, hogy hiányoznának a rákos megbetegedések. Ezek a bizonyítékok még mindig gyűlnek.

A gyakorlatba ültetés

Miért számít

  • Sebesség és méretarány. A vizuális AI képes automatizálni az ellenőrzési, észlelési és címkézési feladatokat nagy léptékben.
  • Építési lehetőségek. A kreatív csapatok gyorsabban prototípusokat készíthetnek a koncepciókból, kevesebb kézi átdolgozással.
  • Csapat és munkafolyamat. A műveletek olyan kép- és videojeleket használhatnak, amelyeket korábban nehéz volt feldolgozni.

Vigyázz

  • A képhez fűződő jogok és a beleegyezés jogi kockázatot jelenthet, ha a származás nem egyértelmű.
  • A modell teljesítménye a világítástól, a demográfiai adatoktól és a környezettől függően változhat.
  • A hamis pozitívumok észrevétlenek maradhatnak, hacsak nem figyelik a megbízhatósági küszöböket.

Következő lépések

  1. Határozza meg a pontosság, a visszahívás és a hibaköltségek elfogadási kritériumait.
  2. Tesztelje a valós gyártási feltételeknek megfelelő adatokkal.
  3. Adjon hozzá emberi felülvizsgálatot az alacsony megbízhatóságú vagy nagy hatású előrejelzésekhez.
  4. A modell elsodródásának nyomon követése és újbóli érvényesítése a kamera vagy az adatkészlet módosítása után.

Folytassa a felfedezést

Ingyenes hírlevél

Szerezze meg a napi AI összefoglalót

Minden hétköznap reggel három ellenőrzött AI történet, egyszerű angol nyelven. Örökké ingyen, hirdetések nélkül.

Minden hétköznap egy e-mail. Egy kattintással lemondhat. Soha nem értékesítjük vagy osztjuk meg az Ön címét.

Teszteld magad

Take the AI Lung Nodule Detection quiz

Azonnali visszajelzés minden válaszra, és megosztható tanúsítvány egy ellenőrizhető azonosítóval, miután sikeresen teljesít egy kurzust.

Kezdő kvíz

Támogassa az ingyenes AI oktatást. AI Understanding egy 501(c)(3) nonprofit – nincs hirdetés, nincs fizetőfal, soha. Tegyen adományt

Gyakran ismételt kérdések

Mi az AI tüdőcsomó-észlelés?

A mesterséges intelligencia tüdőcsomó-detektálása számítógépes látásmodelleket, többnyire mély neurális hálózatokat használ, hogy megtalálja, mérje és értékelje a CT-vizsgálatokon a tüdőben lévő kis foltokat, és megbecsülje, hogy az egyes foltok mennyire valószínű, hogy rákosak. Ez azért fontos, mert az alacsony dózisú CT-szűrés csökkenti a tüdőrák okozta halálozások számát. De minden egyes vizsgálat több száz vékony szeletet tartalmaz, és a legtöbb csomó ártalmatlan. Azok az eszközök, amelyek megbízhatóan megtalálják a csomókat, és segítenek elkülöníteni a kockázatosakat az ártalmatlanoktól, hatással vannak az elmulasztott rákos megbetegedésekre és a szükségtelen nyomon követési eljárásokra is.

Az Országos Tüdőszűrési Kísérletben az alacsony dózisú CT-t melyik alternatívával hasonlították össze?

Az NLST az alacsony dózisú CT-t a mellkasröntgennel hasonlította össze, és körülbelül 20 százalékkal csökkentette a tüdőrákos halálozások számát a CT-vel.

Melyik korosztályt határozta meg a 2021-es USPSTF ajánlás az éves tüdőrákszűrésre?

A 2021-es ajánlás azokra az 50 és 80 év közötti, legalább 20 doboz éves múlttal rendelkező felnőttekre vonatkozik, akik most dohányoztak, vagy az elmúlt 15 évben leszoktak.

A hasi fájdalom miatt végzett CT-n véletlenül egy 9 mm-es csomó bukkan fel. Az útmutató szerint általában mely irányelvek szabályozzák a nyomon követést?

A Lung-RADS magában foglalja a szűrővizsgálatokat. Az egyéb okokból végzett vizsgálatok során véletlenül talált csomókat általában a Fleischner Társaság irányelvei szerint kezelik.

Miben különbözik az MIT-től és a Massachusetts General Hospital-ból származó Sybil egy szabványos csomódetektortól?

Sybil egy vizsgálat alapján jósolja meg a következő évek kockázatát, ahelyett, hogy csak az aktuális csomókat jelölné meg.

Miért értékelik gyakran a csomódetektorokat FROC görbékkel?

A FROC elemzés megragadja a kompromisszumot a csomók megtalálása és a hamis jelek készítése között minden egyes vizsgálaton.