肺癌中的人工智能和机器学习:成像,检测和预后方面的进展

科学领域:

• 在瘤学瘤学.
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 肺癌仍然是全球癌症死亡的主要原因,需要在早期检测,分期和治疗方面取得进展.
• 人工智能 (AI) 和机器学习 (ML) 正在成为瘤学的变革性工具.
• 这些技术为肺癌护理中的自动诊断,分期和预后评估提供了潜力.

研究的目的:

• 在肺癌护理连续过程中对当前的AI和ML应用进行叙事性审查.
• 综合人工智能驱动的成像,检测和肺癌的预后建模的最新发现.
• 突出AI和ML在彻底改变肺癌治疗中的潜力.

主要方法:

• 在主要的科学数据库中进行了全面的文献搜索.
• 确定了专注于人工智能在肺癌成像,检测和预后建模方面的同行评审研究.
• 研究被主题分类为检测/查,分期/诊断和风险预测/预后.

主要成果:

• 卷积神经网络 (CNN) 在肺结节检测,细分和减少错误阳性结果方面表现出高灵敏度和特异性.
• 人工智能算法不断提高非小细胞肺癌 (NSCLC) 阶段测定,淋巴结评估和恶性瘤分类的准确性,经常与放射科医生的表现相匹配或超越.
• 放射学和综合成像和临床数据的多式人工智能模型显示出预测治疗结果和生存率的重大前景.

结论:

• 尽管取得了重大进展,但数据异质性,可解释性,可重复性和人工智能工具的临床接受性仍然存在挑战.
• 未来的努力应优先考虑标准化数据集,道德的人工智能实施和透明的模型评估.
• 人工智能和机器学习为智能,个性化和实时肺癌治疗提供了革命性的潜力,将计算创新与精确瘤学相结合.