最近的人工智能进展正在改变医学成像领域，特别是在通过正电子发射断层扫描（PET）和计算机断层扫描（CT）检测和分析肿瘤方面取得了显著成果。PET扫描通过使用放射性葡萄糖来揭示组织如何利用能量，从而突出显示恶性肿瘤存在的异常活动区域。而CT扫描则使用X射线创建身体的详细横截面图像，帮助精确定位问题的具体位置。
对于癌症患者来说，影像学检查通常是必要的，以跟踪由肿瘤生长引起的多个病变。这一手动过程要求医生浏览数百张图像以识别和测量异常情况，不仅劳动强度大，而且耗时。基于AI算法的引入正在改变这一局面，提供了一种自动化评估过程的方法，同时保持或甚至提高了准确性。
2022年，来自卡尔斯鲁厄理工学院（Karlsruhe Institute of Technology，KIT）的研究人员参加了一项旨在通过人工智能改进肿瘤检测的国际竞赛。该赛事被称为autoPET，挑战团队创建能够在PET/CT图像中自动识别代谢活跃肿瘤病变的算法。卡尔斯鲁厄团队名列前茅，展示了其与埃森医学人工智能研究所（Essen's Institute for Artificial Intelligence in Medicine）合作开发的强大算法。
研究团队依赖于深度学习技术的进步来分析医学影像数据。深度学习涉及训练人工神经网络识别大型数据集中的模式，使这些系统能够检测和分类影像中的复杂特征。在autoPET挑战赛中，研究人员可以访问一个全面注释的PET/CT扫描数据集，用于训练他们的算法。表现最佳的模型采用了集成方法——即多种算法的组合——以提高检测的准确性和可靠性。
这些系统已经证明了它们能够快速且高精度地识别肿瘤病变。然而，它们的表现仍然取决于训练数据的质量以及算法的设计。研究人员强调，需要进一步发展以确保这些工具在不同条件下的一致性能，并能无缝整合到临床工作流程中。最终目标是实现医学影像数据的全自动分析，释放医疗专业人员的时间，使其专注于患者护理。
成像领域的人工智能进展有可能显著改善癌症诊断。通过减轻医生的工作负担（他们已经长期超负荷工作），并加快和提高影像评估的速度和准确性，这些工具可以导致更早的干预和更好的患者结果。尽管如此，仍有许多工作要做，以完善这些技术，解决训练数据中的潜在偏差，并确保算法足够强大，适用于日常临床使用。
这项研究最近发表在《自然机器智能》期刊上，研究人员分享了开发这些AI工具的成功经验和挑战，以及它们革新肿瘤检测的能力，使医疗团队不仅能更快地识别癌细胞，还能更精确地了解癌症是否扩散。计算机辅助检测还可以节省时间，允许更快地建立个性化治疗方案，这可能会改善整体结果。
(全文结束)
