摘要
人工智能工具在通过计算机测量电子健康记录的结果、检测癌症是否存在或对治疗干预做出反应、是否稳定或恶化方面的表现优于人类。
人工智能工具在通过计算机测量电子健康记录的结果、检测癌症是否存在或是否对治疗干预做出反应、是否稳定或恶化方面的表现优于人类。
达纳-法伯癌症研究所的科学家们已经证明，人工智能工具在从肺癌患者的非结构化放射学报告中提取有关肿瘤变化的临床信息方面，可以像人类审查员一样发挥作用，而且速度要快得多。
人工智能工具在检测癌症方面的表现与训练有素的人类“<策展人
通讯作者肯尼斯·凯尔(Kenneth Kehl)医学博士、公共卫生硕士、医学肿瘤学家、达娜-费伯人口科学系教员，他表示，这项研究的目的是确定人工智能工具能否从放射学报告中提取最有价值的癌症结果。放射学报告是一种无处不在但非结构化的数据源。
科尔指出，电子健康记录现在收集了在达纳-法伯这样的中心看到的数千名患者的大量信息。然而，除非患者参加临床试验，否则有关其结果的信息，例如癌症是否会因治疗而增长或萎缩，只会记录在医疗记录文本中。从历史上看，这种非结构化的信息不适合计算分析，因此不能用于研究治疗的有效性。
由于达纳-法伯/布里格姆妇女癌症中心(Dana-Farber/Brigham and Women’s Cancer Center)的Profile initiative等研究，达纳-法伯的研究人员积累了大量关于患者癌症的分子信息。该中心分析患者的肿瘤样本，创建能够揭示可能预测治疗反应的基因组变异的Profile。 在目前的研究中，Kehl和他的同事获得了超过14000个成像报告，涉及1112名患者，并使用“ 人类审查员分析了影像文本报告，并记录了癌症是否存在，如果存在，是在恶化还是在改善，以及癌症是否扩散到了特定的身体部位。然后，使用这些报告训练一个计算性的“<深度学习
研究人员比较了人类和计算机对无病生存、无进展生存、改善或反应时间等结果的测量，发现人工智能算法可以复制人类对这些结果的评估。然后应用深度学习算法对1294例患者的1.5万份报告进行注释，这些患者的记录没有经过人工审阅。作者发现，这些患者的计算机结果测量预测生存率的准确性与人工评估的患者相似。
人类策展人每小时能够为大约3名患者的影像报告做注解，按照这个速度，一名策展人需要大约6个月的时间来为队列中近3万名患者的所有影像报告做注解。相比之下，研究人员在《JAMA Oncology》杂志上发表的一篇报告中说，他们开发的人工智能模型可以在大约10分钟内注释该队列的成像报告
该出版物的作者说:“为了建立一个真正的肿瘤学学习卫生系统，并促进精确药物的大规模交付，需要有方法加快电子健康记录中癌症相关结果的管理。”如果得到广泛应用，研究人员说:“这项技术可以大大加快利用所有癌症患者的真实数据来产生关于治疗方法有效性的证据的努力。”下一步将包括在其他癌症中心的EHR数据上测试这种方法，并使用这些数据来发现哪种治疗方法对哪些患者最有效。
来源：Medindia
此文系悬壶济世网原创整理，没有授权，请勿转载！
