通過計算機對器官進行分析可預測患者死亡率

使用計算機分析患者器官的CT圖像，研究人員能夠預測他們的5年死亡率，準確率高達70%。這是發表在《科學報告》雜誌上的一項最新研究成果。

該研究報告的作者，澳大利亞阿得雷德大學公共衛生學院的Luke Oakden Rayner博士及其同事相信，他們的研究結果能夠推動精準醫學領域向前發展。

美國國家衛生研究院（NIH）將精準醫學定義為「一種將每個人的基因、環境與生活方式等個體差異考慮在內的疾病預防與治療的新興方法」。

正如該研究作者所指出的，精準醫學有賴於生物標誌物的發現，它是疾病風險、治療反應或疾病預後的精確指標。他們認為放射學在這一領域起著重要作用。

在他們的研究中，Oakden Rayner博士及其同事開始探討他們是否能教會計算機「學習」來自計算機斷層掃描（CT）的相關信息，用來預測患者的5年死亡率。

首先，研究小組收集了七種不同組織的15,000幅CT圖像——包括心肺組織，這些圖像均來自60歲及以上的患者。使用Logistic回歸技術，研究人員確定了一些與5年死亡率相關的圖像特徵。

然後，研究團隊將數據與「深度學習」技術結合起來。Oakden Rayner博士解釋說，這是一種計算機可以「學習如何理解與分析圖像」的方法。

他補充道：「自動化系統並不專註於診斷疾病，而是以一種醫生沒有被訓練過的方式，即通過將大量數據合并和檢出細微模式來預測臨床預後。」

接下來，研究人員用計算機對48名60歲以上患者的胸部CT圖像進行分析。他們發現，與醫療保健專業人員做出的死亡率預測相比，計算機預測他們5年死亡率的準確率高達69%。

與此同時，研究人員說道，他們的研究可以證明，CT圖像和計算機學習可能會導致精準醫學的重大進展。（tulip1999 205563）

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！