根據《科學(xué)報告》發(fā)表的新研究，將機器學(xué)習和放射線(xiàn)學(xué)相結合的新框架將有助于區分低危和高危前列腺癌。

“通過(guò)嚴格和系統地將機器學(xué)習與放射線(xiàn)學(xué)結合起來(lái)，我們的目標是為放射科醫生和臨床人員提供一種聲音預測工具，最終可以轉化為更有效和個(gè)性化的患者護理，”主要作者伊坎學(xué)校的Gaurav Pandey博士說(shuō)。西奈山醫學(xué)博士在準備好的聲明中。

AI仍然是許多癌癥(包括宮頸癌， 子宮癌 和肺癌)的診斷工具。

Pandey及其同事開(kāi)發(fā)了該方法，以允許放射科醫生準確地確定前列腺癌患者的治療選擇。這可以減少不必要的臨床干預的機會(huì )。

當前用于評估前列腺癌風(fēng)險的方法(前列腺成像報告和數據系統，版本2(PI-RADS v2))是主觀(guān)的，因為它使用對MRI上發(fā)現的病變進(jìn)行評分的五點(diǎn)評分系統。PI-RADS v2通常會(huì )導致放射科醫生之間得分和解釋不同，從而可能產(chǎn)生不必要的干預。

Pandey等。組合放射學(xué)，使用算法從醫學(xué)圖像中提取大量定量特征，并使用機器學(xué)習作為框架。Radiomics 已顯示出改善和向放射科醫生提供有關(guān)良性和惡性乳腺腫瘤的信息的有效性。

他們的方法使用了110個(gè)放射性特征，這些特征使用基于二次核的支持向量機(QSVM)進(jìn)行了解釋?zhuān)罱K隊列為54個(gè)人。

重要的是，與PI-RADS v2方法相比，對前列腺癌患者進(jìn)行分級的機器學(xué)習方法具有“合理的高精度”或預測值，并具有較高的召回率或敏感性(高和低風(fēng)險類(lèi)別分別為0.86和0.72)在獨立的驗證集中。雖然如此，PI-RADS v2分類(lèi)的曲線(xiàn)下總面積(AUC)高于機器學(xué)習分類(lèi)器(0.73對0.71)。

Pandey在同一份聲明中說(shuō)：“高精度預測前列腺癌進(jìn)展的途徑正在不斷改善，我們認為我們的客觀(guān)框架是急需的進(jìn)步。”