在CT成像上对固体肺结节的AI驱动的表征,用于在小型肺腺癌中增强恶性瘤预测
Yujin Kudo1, Taiyo Nakamura1, Jun Matsubayashi2
1Department of Surgery, Tokyo Medical University, Japan.
Clinical lung cancer
|May 17, 2024
概括
人工智能 (AI) 现在可以在早期肺癌中区分固体肺结节. 这种人工智能工具准确评估恶性瘤,并指导小瘤的治疗决策.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 在肺癌 (≤2厘米) 中,将固体结节与地面玻璃病变区分开来是具有挑战性的.
- 人类评估显示了观察者之间的高度变化,需要客观的工具.
- 人工智能 (AI) 为自动化分析提供了一个潜在的解决方案.
研究的目的:
- 开发和验证用于区分恶性肺结节的AI系统.
- 为了自动分析≤2厘米的瘤,并在手术前评估其恶性瘤.
- 为了提高精度,将AI分类与病理发现相关联.
主要方法:
- 使用PET/CT对246名肺腺癌患者 (cN0) 的回顾性分析.
- 结节≤2厘米的AI分类为固体 (AI_固体) 或非固体 (非AI_固体).
- 人工智能决定与病理发现的相关性.
主要成果:
- 人工智能发现了较高的固体比例的固体结节 (置信度值≥0.87).
- AI_solid结节显示了16%的淋巴结转移率和94%的侵入性腺癌.
- AI_固体结节表明高度恶性瘤,其中44%是术后升级的.
结论:
- 在cN0肺癌中,AI可以在手术前识别和评估cN0肺癌中固体肺结节 (≤2厘米) 的恶性瘤.
- 人工智能分类有助于评估淋巴结转移风险.
- 人工智能发现可以为手术决定进行亚叶片切除提供信息.
更多相关视频
07:53Author Spotlight: Advancing 3D Modeling for Enhanced Diagnosis and Treatment of Pulmonary Nodules in Early-Stage Lung Cancer
Published on: October 13, 2023
1.4K
06:03Use of Electromagnetic Navigational Transthoracic Needle Aspiration E-TTNA for Sampling of Lung Nodules
Published on: May 23, 2015
22.3K
