发现
加州大学洛杉矶分校的研究人员开发了一种新的人工智能系统，帮助放射科医生提高诊断前列腺癌的能力。该系统被称为FocalNet，它帮助识别和预测疾病的侵袭性，并评估磁共振成像(MRI)扫描，其准确度几乎与经验丰富的放射科医生相当。在测试中，FocalNet读取核磁共振成像的准确率为80.5%，而拥有至少10年经验的放射科医生的准确率为83.9%。
背景
放射科医生使用MRI来检测和评估恶性前列腺肿瘤的侵袭性。然而，通常需要进行数千次扫描来学习如何准确地确定肿瘤是癌还是良性，以及如何准确地估计癌症的级别。此外，许多医院没有资源实施从核磁共振成像中检测癌症所需的高度专业化培训。
方法
FocalNet是一个人工神经网络，它使用的算法包含了超过100万个可训练变量;它是由加州大学洛杉矶分校的研究人员开发的。研究小组通过分析417名前列腺癌患者的MRI扫描结果来训练该系统;扫描结果被输入系统，这样系统就可以学习以一致的方式评估和分类肿瘤，并将结果与实际病理样本进行比较。研究人员将人工智能系统的结果与拥有10年以上经验的加州大学洛杉矶分校放射科医生的读数进行了比较。
影响
研究表明，人工智能系统可以节省时间，并可能为经验较少的放射科医生提供诊断指导。
作者
这项研究的资深作者是加州大学洛杉矶分校大卫格芬医学院放射学助理教授Sung Kyung Sung;Steven Raman博士，加州大学洛杉矶分校放射学临床教授，加州大学洛杉矶分校Jonsson综合癌症中心成员;加州大学洛杉矶分校放射学系主任迪特尔·恩兹曼博士。第一作者是加州大学洛杉矶分校的研究生曹瑞明。其他的作者还有Amirhossein Bajgiran, Sohrab Mirak, Sepideh Shakeri和Xinran Zhong，他们都来自加州大学洛杉矶分校。
杂志
这项研究发表在IEEE医学影像学报上。该论文于2019年4月在IEEE生物医学成像国际研讨会上发表，并被选为最佳论文的亚军。
新闻旨在传播有益信息，英文原版地址：http://newsroom.ucla.edu/releases/artificial-intelligence-radiologists-detecting-prostate-cancer