医疗人工智能(AI)企业Lunit日前表示,将在即将于26日至30日在美国芝加哥举行的“2023北美放射学年会(RSNA 2023)”上,发表利用AI影像分析解决方案“Lunit INSIGHT”开展的8篇研究成果。Lunit通过持续发布关于肺癌和乳腺癌等主要癌种诊断的研究结果,反映医疗一线的实际需求,并不断验证基于AI的影像分析技术的临床价值。
Lunit的胸部X光人工智能影像分析解决方案“Lunit Insight CXR”(左)和乳腺摄影人工智能影像分析解决方案“Lunit Insight MMG”。Lunit提供
View original image在本次学会上,Lunit将以口头报告(Oral Presentation)的形式,发表一项利用双重AI算法在胸部X光片阅片中构建安全网、最大化提升在实际临床环境中占多数的正常胸部影像的阅片效率,并预防异常病例漏诊的研究内容。
研究团队开发了名为“NF模型”的算法,可自主判断正常与异常所见,先对X光影像进行分析,之后再通过商用产品——胸部X光AI影像分析解决方案“Lunit INSIGHT CXR”进行追加分析。研究人员利用NF模型分析了共8029名患者的X光片,对其中3531份正常X光片的一半,即1765份,应用作出正常判定的阈值时,对是否存在异常的诊断敏感度(Sensitivity)平均达到97.8%。随后,通过Lunit INSIGHT CXR的追加分析,在NF模型未能检出的24例中,又额外发现了4例(16.7%)重要异常病例。
这意味着,借助类似NF模型的正常·异常判断算法,可以为大量正常胸部影像提供快速阅片支持,而在此基础上叠加应用既有的Lunit AI解决方案,还能防止异常病例的漏诊。Lunit计划今后在Lunit AI解决方案产品中追加搭载本次研究中使用的NF模型。
Lunit还将同时发布一项关于其自主开发的AI模型的研究结果,该模型通过追踪乳腺摄影影像的时间变化,以预测未来乳腺癌发生风险。研究团队利用1万6113张数字乳腺摄影图像,开发了两种模型:一种是仅学习诊断前某一既往时点乳腺摄影图像的模型(A模型),另一种是将同一患者在两个不同时间点的检查一并学习,从而将随时间变化纳入考量的模型(B模型)。
结果显示,用于评估预测模型准确度的C指数(C-index)中,B模型的平均值为0.73,高于A模型的0.68。尤其是在东方女性中较为常见的致密乳腺中,也呈现出类似结果。这表明,在利用AI进行乳腺癌风险预测时,如果追加学习时间变化信息,可以提高预测准确度。
此外,还将发布一项关于AI与放射科专科医生乳腺摄影阅片比较研究的结果,这是对去年9月瑞典皇家卡罗琳斯卡研究所(Karolinska Institutet)研究团队在世界知名医学期刊《柳叶刀·数字健康》(Lancet Digital Health)上发表的前瞻性研究的后续研究。该研究以5万5581名女性为对象,分析了两名专科医生与乳腺摄影AI影像分析解决方案“Lunit INSIGHT MMG”分别进行独立阅片后,依据结果作出的患者召回(recall)准确度之间的关系。
研究结果显示,在由AI捕捉到异常征象并进行召回的3014例中,阳性预测值(PPV)为29%;而仅由专科医生认为存在潜在异常并进行召回的2501例中,阳性预测值仅为3.4%。研究指出,这一结果一方面验证了AI的准确阅片能力,另一方面也提示,在专科医生对AI结果作出最终解读时,可能存在偏倚(bias),需要予以重视。
Lunit首席执行官Seo Bumseok表示:“我们每年都会在RSNA年会上发布高质量的研究成果,以持续证明Lunit AI解决方案的技术实力,并向产业界介绍我们的产品。通过本次学会,我们将进一步巩固在AI基础癌症诊断领域的全球领先地位,并持续努力,为医务人员和患者提供切实的利益。”
在本次RSNA 2023现场的Lunit展台,还将举办“Global INSIGHTS”主题专场,邀请世界知名医疗专家分享Lunit AI的使用经验。本次活动将于26日至28日为期三天举行,届时瑞典圣戈兰医院的Karin Dembrower博士、曾在IBM Watson Health担任首席医疗官(Chief Medical Officer, CMO)的David Gruen博士等将作为演讲嘉宾,围绕Lunit AI影像分析解决方案的重要性及其在实际医疗现场的实用性等内容进行发表。
版权所有 © 阿视亚经济 (www.asiae.co.kr)。 未经许可不得转载。