通過人體器官的電腦分析，可以預測患者死亡率

智醫療網是專註於智慧醫療、移動醫療、醫療信息化、醫療大數據、互聯網醫療、移動健康產業創業、創造的新媒體平台。致力推動ICT+醫療健康的應用創新與發展。

通過對患者器官CT成像的計算機分析，研究人員可以預測患者的5年存活率，其預測的準確率可達到70%。這是最近刊登在學術期刊Scientific Report的一項新研究結果。

這項研究的主要作者Luke Oakden-Rayner博士來自澳大利亞阿德萊德大學公共健康學院，他相信這項發現可以推進精準醫療領域。

美國國立衛生研究院（NIH）對精準醫療的定義是「一種新型醫療途徑，在治療和預防疾病時，把患者個人在基因、環境、生活方式等各方面的差異性考慮進去。」作者指出，精準醫療依賴於個體患者的生物標記物的辨別，生物標記物是患病率、治療有效性及預後情況分析的精確指標。作者相信放射醫學在其中會發揮重要作用。

「我們認為常規的放射檢查中得到的成像在精準醫療中大量被忽視，我們把機器學習的新技術應用在放射成像的目的就是希望以此為基礎，發現生物標誌物的新途徑。醫療成像分析領域的最新發展表明，機器探測的成像特徵可以大致描述出眾多病例學的活檢特性、顯微術預後情況、甚至DNA分析結果。」作者補充道。

研究人員相信醫療成像的計算機分析可以推動精準醫療

預測患者死亡率的精確率為69%

在這項研究中，Oakden-Rayner博士和他的同事們嘗試設法「教會」電腦獨立分析CT掃描圖片，並預測患者的5年存活率。

首先，研究組收集了15000張不同人體組織的CT圖片，其中包含心臟組織和肺組織，這些圖片均來自60歲以上的患者。通過邏輯回歸分析技術，研究人員分辨出與5年存活率相關的圖片，再經「深度學習」技術處理圖片信息。Oakden-Rayner博士解釋這就是讓電腦「學習理解圖片並分析圖片」的方法。「與注重疾病診斷的做法不同，自動化系統可以通過大量的數據分析，找出細微的異常，從而預測出患者的預後情況，我們的醫生沒有培訓過這樣的方法。」

第二步，研究人員利用電腦分析48名60歲以上患者的胸部CT圖片。隨後，電腦預測結果與醫療專家的預測進行對比，發現電腦作出的存活率預測的準確率為69%。「儘管這項研究中患者樣本數量並不多，但我們的研究發現電腦可以學習識別複雜的病變圖片信息，而對於醫生，這需要大量的專業培訓。」

研究團隊下一步工作是利用電腦技術分析成千上萬患者的CT圖片。藉此，研究人員希望證明，CT成像和電腦技術的結合，可以為精準醫療領域的大跨步提供依據。

「我們的研究將開啟人工智慧應用於醫療圖片分析的新篇章，結合具體的醫學干預手段，可以為重症的早期診斷帶來新希望。」Oakden-Rayner博士稱。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！