西澳大利亚的一项医疗突破可能使通过简单的扫描预测癌症或心血管疾病成为可能，这种扫描的成本仅相当于一杯咖啡，并且患者所接受的辐射量相当于从珀斯飞往伦敦的飞行辐射量。
埃迪斯·科文大学（Edith Cowan University，ECU）的研究人员开发了一种人工智能系统，该系统使用骨密度扫描——通常称为DEXA扫描——以及超声波来帮助医疗专家识别严重疾病的早期迹象。
如果成功商业化，ECU开发的这一算法将为心脏病、癌症和糖尿病性失明的早期发现和治疗铺平道路。ECU研究员阿夫萨·西姆（Afsah Saleem）表示，许多慢性疾病，如导致四分之一人口死亡的心血管疾病以及导致失明的糖尿病视网膜病变，在早期阶段很难被发现，因为它们缺乏明显的症状。
她说：“目前的诊断方法通常依赖于对医学扫描图像的手动评估，这是一个耗时、昂贵且主观的过程。作为一名机器学习科学家，并从事医学影像研究，我们的目标是预防或延缓慢性疾病带来的永久性健康损失。”
“使用这一算法，我们在识别腹主动脉钙化（心血管疾病的早期指标）方面达到了85%的准确率和79%的灵敏度。在诊断糖尿病视网膜病变方面，我们获得了87%的准确率和84%的灵敏度；在识别乳腺癌不同阶段方面，准确率达到了91%。”
ECU高级讲师祖勒加纳因·吉拉尼（Zulgarnain Gilani）表示，该算法使得在简单的DEXA扫描中就能识别疾病的迹象，“这项扫描的成本大约只相当于一杯咖啡，而所受到的辐射量相当于从伦敦飞往珀斯的飞行过程中所暴露的辐射量。”
他说：“该算法的创新之处在于它能够捕捉并学习健康人和非健康人群的独特特征。随后，算法能够有效地区分这些特征，以惊人的精确度识别出患病个体。”
从长远来看，他说，设想是全科医生可以简单地安排患者进行DEXA扫描，患者就能获得一个评分，例如腹主动脉钙化评分——这是心脏病风险的早期指标。目前，获得腹主动脉钙化评分的“黄金标准”是进行CT扫描，而CT扫描比DEXA扫描昂贵得多，并且会使患者暴露于更高水平的辐射中。
吉拉尼博士和西姆博士正在领导这项研究的AI部分，他们与ECU以及其他国家（包括加拿大、美国、英国和韩国）的研究人员合作。该研究得到了心脏基金会（Heart Foundation）、雷恩医学研究基金会（Raine Medical Research Foundation）和西澳健康部的支持。
【全文结束】
