哈佛大学的研究团队发现，一种基于时间学习的人工智能工具在预测儿童癌症复发风险方面的准确性远高于传统方法。
该研究收集了715名儿童患者的近4000份磁共振（MR）扫描。专家们随后使用了一种称为时间学习的技术来分析这些扫描报告。
“许多儿童胶质瘤可以通过手术治愈，但当复发发生时，后果可能是毁灭性的。预测哪些患者可能有复发风险非常困难，因此患者需要进行多年的频繁随访和磁共振成像检查，这对儿童及其家庭来说是一个压力大且负担重的过程。我们需要更好的工具来早期识别出高复发风险的患者。”哈佛医学院放射肿瘤学助理教授本杰明·坎恩说。
什么是时间学习？
这种AI模型被训练来理解术后几个月内多次脑部扫描的结果。这项研究与其他AI模型的不同之处在于使用了时间学习模型，因为通常用于医学影像的AI模型是训练来分析单次扫描的。通过时间学习，随着时间推移获取的图像可以为算法预测癌症复发提供信息。
研究人员得出结论，通过引入这种新技术，对低级或高级胶质瘤在治疗后一年内的预测准确率达到了75-89%，远高于基于单次图像的预测准确率（大约50%）。
“我们已经证明，AI能够有效地分析和从多张图像中做出预测，而不仅仅是单次扫描。这种技术可以在许多需要连续纵向成像的情况下应用，我们很期待看到这个项目将带来什么启发。”马萨诸塞州总医院AIM项目和布里格姆妇女医院放射肿瘤科的第一作者迪万舒·塔克说。
研究团队还警告说，在临床应用之前，还需要在其他环境中进一步验证。该研究结果发表在《新英格兰医学杂志》AI版上。
(全文结束)
