这款人工智能能在患者呼吸时追踪肺肿瘤——它可能拯救生命

西北大学医学院科学家团队近日开发出一款名为iSeg的人工智能工具。一项大型新研究表明，该工具不仅能媲美医生精准勾勒CT扫描中肺部肿瘤的能力，还能识别部分医生可能遗漏的区域。

与早期聚焦静态图像的AI工具不同，iSeg是首个经证实可在肿瘤随呼吸移动时进行分割的三维深度学习工具——这对规划放射治疗至关重要，全美半数癌症患者在病程中需接受该治疗。

"我们距离实现比十年前任何人想象的都更精准的癌症治疗又近了一步，"资深作者、西北大学范伯格医学院放射肿瘤学主任兼教授穆罕默德·阿巴泽德博士表示。

"该技术的目标是为医生提供更优工具，"阿巴泽德补充道。他领导的科研团队致力于开发数据驱动工具以实现个性化癌症治疗，同时任职于西北大学罗伯特·H·卢里综合癌症中心。

该研究于今日（6月30日）发表在《npj·精准肿瘤学》期刊。

iSeg的构建与测试

西北大学科学家使用西北医学和克利夫兰诊所医疗系统内九家诊所收治的数百名肺癌患者的CT扫描及医生手绘肿瘤轮廓训练iSeg。其数据规模远超既往多数研究采用的小型单院数据集。

训练完成后，AI在未见过的患者扫描影像上接受测试。其勾勒的肿瘤轮廓随后与医师绘制结果进行比对。研究发现iSeg在不同医院和扫描类型中均能匹配专家标注，同时标记出部分医生遗漏的区域——而这些遗漏区域若未获治疗将导致更差预后，表明iSeg或有助于发现常被忽视的高风险病灶。

"精准靶向是安全有效放射治疗的基石，即使微小靶向误差也可能影响肿瘤控制或引发不必要毒性，"阿巴泽德强调。

"通过自动化标准化肿瘤勾画，我们的AI工具可帮助减少延误、确保跨院公平性并潜在识别医生可能遗漏的区域，最终改善患者护理与临床结局，"第一作者、范伯格医学院高级研究技术专家萨格尼克·萨卡尔补充道。他持有西北大学人工智能硕士学位。

临床部署"两三年内可实现"

研究团队现正临床测试iSeg，实时比对其与医师的操作表现。他们同时整合用户反馈功能，并致力于将该技术拓展至肝癌、脑癌和前列腺癌等其他肿瘤类型。团队还计划适配MRI和PET等其他影像方法。

"我们将其视为可标准化提升放射肿瘤靶向精准度的基础工具，尤其在亚专科资源有限的环境中，"共同作者、范伯格医学院放射肿瘤学讲师特洛伊·蒂欧指出。

"该技术有助于提升跨机构诊疗一致性，我们相信临床部署可能在两三年内实现，"蒂欧补充道。

本研究题为《深度学习实现自动化运动解析肿瘤分割在放射治疗中的应用》。