该网络允许每个临床中心利用自己的CT数据集定制框架,并适用于特定的患者群体。该网络建立在近1000名接受高剂量放射治疗的肺癌患者的CT扫描和电子健康记录组成的基础上。
克利夫兰诊所陶西格癌症研究所的放射肿瘤学家、勒纳研究所的研究人员Mohamed Abazeed博士告诉我们:“人工智能可以从影像与电子健康记录中学习、预测个体患者接受放射治疗无效的可能性。”
Abazeed博士解释到,他们将通过在实地实施使用大规模联邦数据集,评估该模型在不同医院系统之间的可移植性。
未来人工智能模型可以基于不同民族、性别、年龄、医疗背景(社区医院或医学学术中心)、地理区域的对象人群进行优化,甚至包括暂时特殊的人群。
Abazeed博士还提到:“我们还将在一项前瞻性临床试验中测试iGray个体化剂量与标准护理的假定优势。”
而对于那些认为人工智能技术在医疗保健领域得到实际应用还有很长一段要走的人,Abazeed医生则指出,fengliuyiye科学进步的先决条件是有意识地停止怀疑。
他说:“在这项工作的有力推动下,我们即将在放射肿瘤学这一高度标准化、数据丰富的学科中实现应用与创新。”
此前有消息称,法国生物制药公司赛诺菲正在与科技巨头谷歌合作,利用机器学习、人工智能和跨数据集的深度分析技术,更好地了解重大疾病。
与此同时,Innovaccer最新一项研究发现了将其人工智能算法应用于改善风险评分与分层、增强基于价值的护理计划的方法。
网友评论 ()条 查看