早期检测肺癌使用卷积神经网络整合多维临床信息
Chia-Hui Chien1,2,3, Shih-Chuan Chang4, Muhammad Solihuddin Muhtar5
1Department of Computer Science, Middlesex University, London, UK.
Studies in health technology and informatics
|August 8, 2025
概括
这项研究开发了一种使用台湾健康数据的AI模型,用于预测早期肺癌. 多通道卷积神经网络获得了64%的F1分数,提高了早期检测潜力.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 人工智能的人工智能
背景情况:
- 肺癌是癌症死亡的主要原因,通常是晚期诊断出来的.
- 目前的查方法在成本,获取和准确性方面存在局限性.
- 早期诊断对于改善肺癌患者的生存率至关重要.
研究的目的:
- 利用全面的临床数据开发用于早期肺癌检测的预测模型.
- 利用台湾国家健康保险研究数据库 (NHIRD) 进行模型开发.
- 评估人工智能驱动的方法对早期肺癌识别的有效性.
主要方法:
- 使用多通道卷积神经网络 (MC-CNN) 架构.
- 过去三年的综合多维临床数据,包括诊断,药物和实验室结果.
- 分析了各种数据模式的时间和上下文模式,以进行预测.
主要成果:
- MC-CNN模型获得了64%的F1得分.
- 与几个基准方法相比,拟议的人工智能模型表现出优越的性能.
- 成功地整合了各种不同的临床数据,以提高预测准确度.
结论:
- 人工智能驱动的方法显示了促进早期肺癌检测的巨大潜力.
- 整合多维临床数据可以提高肺癌的预测能力.
- 这项研究强调了人工智能的实际应用,以应对关键的医疗保健挑战,如早期癌症诊断.
