相关实验视频
Updated: Jun 12, 2026
08:17
Dynamic Lung Tumor Tracking for Stereotactic Ablative Body Radiation Therapy
Published on: June 7, 2015
基于放射学的人工智能工具的临床实用性,用于肺结节的风险分层
Roger Y Kim1, Clarisa Yee2, Sana Zeb1
1Division of Pulmonary, Allergy and Critical Care, Department of Medicine, University of Pennsylvania, Philadelphia, PA, USA.
JNCI cancer spectrum
|September 18, 2024
概括
一个人工智能 (AI) 工具改善了对肺结节 (PNs) 的肺癌风险预测. 将AI肺癌预测 (LCP) 分数添加到临床数据中,提高了准确性,并可能有助于患者风险分层.
科学领域:
- 肺部医学 肺部医学
- 放射学 放射学是一门学科.
- 医疗保健中的人工智能
背景情况:
- 肺结节 (PN) 风险分层的生物标志物的临床实用性有限.
- 需要改进的方法来评估现实世界患者群体中的PN风险.
研究的目的:
- 评估基于人工智能放射学的计算机辅助诊断 (CAD) 工具的增量预测价值和临床实用性.
- 确定人工智能是否增加了常规临床信息时增加PN的风险分层.
主要方法:
- 对134名PN患者进行活检的回顾性队列研究.
- 使用商业AI放射学CAD工具生成肺癌预测 (LCP) 评分.
- 对比后勤回归模型:梅奥诊所模型与梅奥+LCP得分,使用AUC和净效益分析.
主要成果:
- 在研究队列中,癌症患病率为61%.
- 人工智能LCP得分显著提高了预测准确度 (P=.012) ,AUC从0.58增加到0.65.
- 梅奥+LCP模型显示,在65%的风险值下,敏感性增加 (56%对38%) 和标准化净益 (18%对-3.3%).
结论:
- 一个商用基于AI放射学的CAD工具可以提高PN癌症风险预测.
- 用AI补充临床信息可以改善风险分层,这可能导致患者管理的临床显著变化.
