使用計算機(jī)分析患者器官的CT圖像，研究人員能夠預(yù)測他們的5年死亡率，準(zhǔn)確率高達(dá)70%。這是發(fā)表在《科學(xué)報告》雜志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(xué)公共衛(wèi)生學(xué)院的Luke Oakden Rayner博士及其同事相信，他們的研究結(jié)果能夠推動精準(zhǔn)醫(yī)學(xué)領(lǐng)域向前發(fā)展。

　　美國國家衛(wèi)生研究院(NIH)將精準(zhǔn)醫(yī)學(xué)定義為“一種將每個人的基因、環(huán)境與生活方式等個體差異考慮在內(nèi)的疾病預(yù)防與治療的新興方法”。

　　正如該研究作者所指出的，精準(zhǔn)醫(yī)學(xué)有賴于生物標(biāo)志物的發(fā)現(xiàn)，它是疾病風(fēng)險、治療反應(yīng)或疾病預(yù)后的精確指標(biāo)。他們認(rèn)為放射學(xué)在這一領(lǐng)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(jī)“學(xué)習(xí)”來自計算機(jī)斷層掃描(CT)的相關(guān)信息，用來預(yù)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(shù)，研究人員確定了一些與5年死亡率相關(guān)的圖像特征。

　　然后，研究團(tuán)隊將數(shù)據(jù)與“深度學(xué)習(xí)”技術(shù)結(jié)合起來。Oakden Rayner博士解釋說，這是一種計算機(jī)可以“學(xué)習(xí)如何理解與分析圖像”的方法。

　　他補(bǔ)充道：“自動化系統(tǒng)并不專注于診斷疾病，而是以一種醫(yī)生沒有被訓(xùn)練過的方式，即通過將大量數(shù)據(jù)合并和檢出細(xì)微模式來預(yù)測臨床預(yù)后?！?/p>

　　接下來，研究人員用計算機(jī)對48名60歲以上患者的胸部CT圖像進(jìn)行分析。他們發(fā)現(xiàn)，與醫(yī)療保健專業(yè)人員做出的死亡率預(yù)測相比，計算機(jī)預(yù)測他們5年死亡率的準(zhǔn)確率高達(dá)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(jī)學(xué)習(xí)可能會導(dǎo)致精準(zhǔn)醫(yī)學(xué)的重大進(jìn)展。