网站建设倒计时单页源码/搜索引擎最新排名

  每周跟踪AI热点新闻动向和震撼发展 想要探索生成式人工智能的前沿进展吗？订阅我们的简报，深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同，从行业内部的深度分析和实用指南中受益。不要错过这个机会，成为AI领域的领跑者。点击订阅，与未来同行！ 订阅：https://rengongzhineng.io/

全球各地，肺癌的阴影无声无息地笼罩着无数家庭，2020年就有高达180万的生命在这场战斗中倒下。这场战斗中，早发现、早治疗是赢得胜利的关键。现代科技的利器——计算机断层扫描（简称CT）以其细致入微的三维肺部图像，为这场战斗带来了一线生机，特别是在那些高风险的人群中，通过提前发现癌症迹象，已证实至少能降低20%的死亡率。在美帝，年年扫描，视乎地域和个案，有的地方可能会建议扫得更勤或更松。

说到扩大肺癌筛查的推荐范围，美国预防服务工作组近来可是大手笔，一举增加了约80%的覆盖面，这意味着更多的女性和来自种族及少数民族的群体将有机会接受筛查。然而，万事开头难，假阳性的问题就像是无处不在的炸弹，一不小心就会引发患者的恐慌，导致不必要的医疗程序，不仅给患者带来身心的双重打击，还会增加医疗系统的经济负担。再加上，要在庞大的人群中进行筛查，还得看医疗基础设施和放射科医生是否能应对得来。

好在，谷歌大脑早有准备，他们用机器学习（ML）的神奇力量，研发出了肺癌检测的模型，能够自动标记出可能患有癌症的区域，这技术水平可不输给专家。不过，技术再高端，要是用不好，那也只能是纸上谈兵。因此，他们又进一步探索，如何将这些发现有效地传达给放射科医生，确保这些高科技成果能够落地生根。

辅助肺癌筛查系统输出的示例。放射科医师评估的结果在CT体积图像的可疑病变位置上可视化。CT图像顶部显示了总体的可疑程度。圆圈突出显示了可疑的病变，而方形则展示了同一病变从不同视角（称为矢状视图）的呈现：

他们不仅在《辅助AI在肺癌筛查中的应用：美国和日本的回顾性跨国研究》一文中深入探讨了这一主题，还设计了一个以用户为中心的界面，让放射科医师能够更好地利用这些模型进行肺癌筛查。这个系统不仅能够识别出肺部CT图像中的可疑区域，还能根据风险等级进行分类，极大地提升了放射科医生的工作效率。

为了让这套系统更加接地气，谷歌还将其部署在了Google Cloud上，利用Google Kubernetes Engine技术，确保了系统的高效运行和易于扩展。通过这种方式，医院和诊所能够直接连接到储存图像的服务器，无缝对接现有的医疗图像存储和传输系统。

最后，通过与放射科医生的紧密合作，进行了一系列的读者研究，结果令人振奋——使用了AI辅助系统的放射科医生，在识别无需进一步追踪的肺部图像方面的准确率有了显著提升，这不仅能减少患者的不必要焦虑，还能有效减轻医疗系统的负担，让肺癌筛查项目更加可持续发展。

在基于美国和日本的读者研究中，随着机器学习模型的辅助，读者的特异性提高了。特异性值是根据读者对可采取行动的发现（发现了可疑情况）与无可采取行动的发现的评分，与个体的真实癌症结果相比较而得出的。在模型的辅助下，读者标记需要后续访问的非癌症个体数量减少了。对于癌症阳性个体的敏感性保持不变：

现在，谷歌正与DeepHealth和Apollo Radiology International等行业领导者合作，探索如何将这一系统集成到未来的产品中，他们还计划开源用于读者研究的代码，以促进医学成像研究领域的AI应用研究，希望能够为抗击肺癌的长期战役贡献一份力量。