利用人工智能以更快速度和更高精度检测肺部肿瘤变化
通过斯蒂芬妮·拉维克（Fraunhofer-Gesellschaft）撰写
为了在早期阶段发现肺癌、支气管癌和肿瘤转移，并对其进行监测，全球越来越多地进行胸部CT扫描。在德国，这些扫描也已成为最常见的放射学检查之一：2009年进行了80万次肺部CT扫描，而2020年则达到了130万次。
这些扫描使医生能够识别出最轻微的治疗效果和副作用，从而优化治疗方案。然而，比较这些扫描是一项高度复杂且耗时的任务，由于放射科医生在评估图像时往往需要在极端的时间压力下工作，因此容易出错。自动建立扫描之间的解剖对应关系（称为配准）可以使这一过程变得更加简单。
利用深度学习进行可靠的CT扫描比较
为了优化诊断并简化医生的日常工作，SPIRABENE项目——由弗劳恩霍夫MEVIS研究所及其合作伙伴Jung Diagnostics GmbH和美因茨大学医学中心UM合作开展——专注于人工智能的应用。
“我们开发了一种基于深度学习的软件程序，可以在非常短的时间内更精确地定位和测量肺部病变，并能够检测潜在的新病变。”弗劳恩霍夫MEVIS研究所的医疗图像分析关键研究工程师扬·莫尔茨解释道。
为了配准肺部，该软件将之前的CT扫描与最新的图像进行比较，以建立解剖对应关系。一个特别的挑战是，同一个人的两次图像看起来相似但并不完全相同——例如，由于扫描时呼吸的变化或治疗导致的体重减轻。
随访图像监测已经得到了自动化配准的支持，但使用深度学习使得图像比较更加迅速和精确。研究人员为此优化了神经网络。莫尔茨解释说：“我们的结果显示，借助AI的帮助，在随访图像中自动检测到的肿瘤比传统软件配准多11%——而且所需时间不到一秒，仅为传统方法的十分之一。”这也意味着所需的计算能力减少，从而节省了能源。
研究人员与美因茨大学医学中心的医生合作设计了这种全自动图像处理技术，使其能够直接集成并用于现有的临床基础设施中。该软件已经在日常临床实践中进行了测试和评估，很快就可以投入实际应用。长期计划是将AI支持的随访监测扩展到全身。
经过试运行后，莫尔茨对初步成功感到满意。“我为能够开发出实际应用于临床实践并对医生日常工作产生积极影响的软件而感到动力十足。该软件还有助于我们及时识别无效治疗，避免不必要的副作用和费用，并提高患者的康复机会。”
提供者：弗劳恩霍夫协会
(全文结束)
