神经网络可以判断肺癌的严重程度

计算机断层扫描（CT）是评估肺癌患者的主要诊断工具。现在，由NIBIB资助的斯坦福大学的研究人员已经建立了一个人工神经网络，可以分析肺部CT扫描，从而提供肺癌严重程度的信息，从而指导治疗方案。

赴美看病机构和生元获悉CT成像是一种重要的诊断工具，用于测量肺部病变的位置、范围、大小和形状，用于指导肺癌患者的治疗决策。肺癌是全世界最常见的致命恶性肿瘤。然而，对CT图像的分析仅限于人眼可见的部分，而且读者的变异性导致不同肿瘤中心的临床护理存在差异。

小组合作创建了一个名为LungNet的机器学习神经网络，旨在从患者的肺部CT扫描中获得一致、快速和准确的信息。研究小组使用成人非小细胞肺癌（NSCLC）的扫描结果，NSCLC占肺癌诊断的85%。

赴美看病机构和生元获悉这个名为LungNet的神经网络在四个独立的非小细胞肺癌患者队列中进行了训练和评估，每个中心平均有几百名患者。LungNet分析准确地预测了所有四个患者组的总体生存率。LungNet还准确地将良性结节与恶性结节进行了分类，并能够进一步将结节与癌症进展相关。

研究小组期望LungNet不仅在良恶性肿瘤的分类上，而且在将病人分为低、中、高风险组方面，都是非常有价值的。这使得对高风险组的患者进行强化治疗，同时减少低风险组患者不必要的治疗。