将人工智能集成到肺癌查中:一个随机对照试验协议

科学领域:

• 医疗成像医学成像
• 在瘤学中使用人工智能
• 胸部放射学 胸部放射学

背景情况:

• 肺癌 (LC) 是全球癌症死亡的主要原因之一.
• 低剂量CT (LDCT) 查可使高风险个体的LC死亡率降低20-25%.
• 目前的肺癌查 (LCS) 面临诸多挑战,包括放射科医生短缺,高假阳性率和长时间的结节评估期.

研究的目的:

• 评估3D卷积神经网络 (AI) 在协助多学科团队 (MDT) 进行肺结节分类方面的有效性.
• 确定人工智能协助是否可以加快在查期间检测到的肺结节的最终分类.
• 为了减少与肺癌查中长期结节不确定性相关的焦虑和成本.

主要方法:

• 一个开放的,随机对照试验,涉及2722名年龄在50-80岁的患者,有显著的吸烟史.
• 参与者被随机分配到标准的LCS工作流程或LCS工作流程中,并增加了AI辅助结节分析.
• 主要终点是从肺结节检测到最终分类 (良性或恶性) 的时间缩短.

主要成果:

• 该研究旨在证明肺结节检测到最终分类之间的延迟减少3个月.
• 人工智能在检测和描述肺结节的回顾性研究中表现有希望.
• 这项前性研究将提供现实世界的证据,证明AI在LCS中的实用性.

结论:

• 在LCS中实施AI可能会简化诊断过程.
• 加快结节分类可以缓解患者的焦虑,并降低医疗保健成本.
• 这项研究可以为在肺癌查计划中更广泛地采用AI铺平道路.