ДаліНаступний посібник
Виявлення каріозної порожнини за допомогою штучного інтелекту
Візуальний ШІ
Візуальний AI GUIDE
ШІ виявлення вузликів у легенях
Виявлення вузликів у легенях штучним інтелектом використовує моделі комп’ютерного зору, здебільшого глибокі нейронні мережі, щоб знаходити, вимірювати та оцінювати невеликі плями в легенях на комп’ютерній томографії, а також оцінювати ймовірність раку кожної плями.
На цій сторінці4 хвилини читання
Огляд
Це важливо, оскільки КТ з низькими дозами знижує смертність від раку легенів. Але кожне сканування містить сотні тонких зрізів для читання, і більшість вузликів нешкідливі. Інструменти, які надійно знаходять вузлики та допомагають відокремити ризиковані від нешкідливих, впливають як на пропущені раки, так і на непотрібні подальші процедури.
Глибоке занурення
Легеневий вузлик — це округла пляма в легенях розміром до 3 см у поперечнику. Все, що більше, зазвичай називають масою. Вузлики зустрічаються дуже часто, і більшість з них є старими рубцями, інфекціями або доброякісними утвореннями. На КТ вони описуються як суцільні, частково суцільні або шліфовані, і кожен тип несе різний ризик. ШІ привернув найбільше уваги до скринінгу. Національне дослідження легенів у США, про яке повідомлялося в 2011 році, показало, що КТ з низькими дозами знижує смертність від раку легенів приблизно на 20 відсотків порівняно з рентгеном грудної клітки. Європейське дослідження NELSON пізніше підтвердило користь. У 2021 році Робоча група з профілактичних послуг США рекомендувала проходити щорічне обстеження для дорослих віком від 50 до 80 років із принаймні 20-річним стажем куріння, які все ще курять або кинули палити протягом останніх 15 років. Система Lung-RADS Американського коледжу радіології стандартизує спосіб звітування про скринінгові сканування та подальшого спостереження. Вузлики, випадково виявлені під час сканування, виконаного з інших причин, зазвичай обробляються згідно з рекомендаціями Товариства Флейшнера. ШІ виконує три окремі роботи. Виявлення виявляє потенційні вузлики. Вимірюйте сегменти кожної вузлики, щоб отримати її розмір і об’єм. Характеристика оцінює ризик раку. Дослідження Google 2019 року в Nature Medicine навчило модель глибокого навчання на скануваннях NLST. У ретроспективних тестах без попереднього сканування для порівняння він зрівнявся або перевершив радіологів у прогнозуванні раку. Sybil, розроблений в Массачусетському технологічному інституті та Массачусетській лікарні, оцінює ризик раку легенів у людини протягом наступних років за допомогою однієї низькодозової КТ, навіть якщо підозрілих вузликів не видно. Помилкові спрацьовування є центральним компромісом. У NLST приблизно чверть скринінгів були позитивними, і переважна більшість із них не була раком. Більш чутливий детектор позначає більше точок, що додає час на зчитування, подальше сканування, занепокоєння та іноді інвазивні процедури. Поширеною помилкою є те, що ШІ діагностує рак легенів. Він позначає та оцінює ризик, і лише забір зразків тканин підтверджує рак.
Стратегічний вплив
Швидкість і масштаб
Візуальний штучний інтелект може автоматизувати масштабні завдання перевірки, виявлення та позначення тегами.
Створіть вибір
Творчі групи можуть створювати прототипи концепцій швидше з меншою кількістю переглядів вручну.
Команда та робочий процес
Операції можуть використовувати зображення та відеосигнали, які раніше було важко обробити.
Майбутнє виявлення легеневих вузликів ШІ
Дослідники перевіряють, як моделі ризику, такі як Sybil, можуть персоналізувати інтервали скринінгу та чи може штучний інтелект допомогти розширити програми скринінгу, не додаючи пропорційно навантаженню рентгенолога. Скринінгові комп’ютерні томографи також показують коронарний кальцій та емфізему, тому інструменти, які повідомляють про ці результати, можуть додати цінності. Деякі програми вивчають скринінгові групи за межами критеріїв, пов’язаних із палінням, наприклад людей із сімейною історією. Ключові відкриті питання полягають у тому, як ці інструменти ефективні в перспективі для різних груп населення та сканерів, і чи вони зменшують хибнопозитивний тягар, не пропускаючи випадків раку. Ці докази все ще накопичуються.
Реалізація в реальному світі
Програма скринінгу запускає програмне забезпечення для виявлення на кожному низькодозовому КТ. Він позначає вузлик розміром 5 мм у правій верхній частці, розташований поруч із кровоносною судиною, де його легко не помітити, і рентгенолог це підтверджує.
Програмне забезпечення для вимірювання об’єму порівнює твердий вузлик розміром 7 мм із скануванням пацієнта роком раніше та обчислює зміну об’єму. Це допомагає радіологу призначити категорію Lung-RADS та інтервал спостереження.
Клініка легеневих вузлів застосовує оцінку ризику злоякісності до вузла розміром 12 мм, який випадково виявлений під час екстреної КТ. Оцінка допомагає прийняти рішення між ПЕТ-КТ, біопсією чи повторним дослідженням.
Система охорони здоров’я шукає комп’ютерну томографію грудної клітини, яку було призначено з інших причин, наприклад, травму або сканування серця, і позначає випадкові вузлики, які ніколи не отримували подальших рекомендацій.
Ризики та огорожі
Права на зображення та згода можуть стати юридичними ризиками, якщо походження невідоме.
Продуктивність моделі може відрізнятися залежно від освітлення, демографічних показників і середовища.
Помилкові спрацьовування можуть залишитися непоміченими, якщо не відстежувати пороги довіри.
Дорожня карта впровадження
Визначте критерії прийнятності для точності, відкликання та вартості помилок.
Тестуйте з даними, які відповідають реальним умовам виробництва.
Додайте перевірку людиною для прогнозів із низьким рівнем достовірності або високого впливу.
Відстежуйте дрейф моделі та повторно перевіряйте після зміни камери або набору даних.
Продовжуйте досліджувати
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the AI Lung Nodule Detection quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Часті запитання
Що таке штучне виявлення легеневих вузликів?
Виявлення вузликів у легенях штучним інтелектом використовує моделі комп’ютерного зору, здебільшого глибокі нейронні мережі, щоб знаходити, вимірювати та оцінювати невеликі плями в легенях на комп’ютерній томографії, а також оцінювати ймовірність раку кожної плями. Це важливо, оскільки КТ з низькими дозами знижує смертність від раку легенів. Але кожне сканування містить сотні тонких зрізів для читання, і більшість вузликів нешкідливі. Інструменти, які надійно знаходять вузлики та допомагають відокремити ризиковані від нешкідливих, впливають як на пропущені раки, так і на непотрібні подальші процедури.
У Національному дослідженні скринінгу легенів низьку дозу КТ порівнювали з якою альтернативою?
NLST порівняла КТ із низькими дозами та рентгеном грудної клітини та виявила приблизно 20-відсоткове зниження смертності від раку легенів за допомогою КТ.
Який віковий діапазон 2021 року USPSTF встановив для щорічного скринінгу на рак легенів?
Рекомендації 2021 року охоплюють дорослих віком від 50 до 80 років зі стажем принаймні 20 пачок куріння, які курять зараз або кинули палити протягом останніх 15 років.
На КТ випадково з’явився вузлик розміром 9 мм, який проводили з приводу болю в животі. Відповідно до керівництва, які вказівки зазвичай регулюють подальші дії?
Lung-RADS покриває скринінгові обстеження. Вузлики, випадково виявлені під час сканування, виконаного з інших причин, зазвичай обробляються згідно з рекомендаціями Товариства Флейшнера.
Чим Sybil з MIT і Massachusetts General Hospital відрізняється від стандартного детектора вузликів?
Сібіл прогнозує ризик протягом наступних років на основі одного сканування, а не просто позначає поточні вузлики.
Чому детектори конкрецій часто оцінюють за допомогою кривих FROC?
Аналіз FROC фіксує компроміс між пошуком вузликів і створенням помилкових позначок під час кожного сканування.
Продовжуйте вчитися
Пов'язані посібники
Інші посібники, вибрані для цієї теми