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，以帮助放射科医师提高诊断前列腺癌的能力。这个名为FocalNet的系统有助于识别和预测评估磁共振成像或MRI扫描的疾病的侵略性，并且它具有与经验丰富的放射科医师几乎相同的准确度。在测试中，FocalNet在读取MRI时准确率为80.5%，而具有至少10年经验的放射科医师准确率为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，它通常需要在数千次扫描中练习，以学习如何准确地确定肿瘤是癌性还是良性并且准确地估计癌症的等级。此外，许多医院没有资源来实施从MRI检测癌症所需的高度专业化培训。

方法

FocalNet是一种人工神经网络，使用的算法包含超过一百万个可训练变量;它由加州大学洛杉矶分校的研究人员开发。该团队通过分析417名患有前列腺癌的男性的MRI扫描来训练该系统;扫描被输入系统，以便它能够学会以一致的方式评估和分类肿瘤，并将结果与​​实际病理标本进行比较。研究人员将人工智能系统的结果与具有10年以上经验的UCLA放射科医师的读数进行了比较。

IMPACT该研究表明，人工智能系统可以节省时间，并可能为经验不足的放射科医生提供诊断指导。