Penn Medicine开发用于在CT中发现隐匿疾病的人工智能——News-Medical

Penn Medicine的研究人员开发了用于分析计算机断层扫描的人工智能模型Percival，该模型能够在影像中发现超出检查主要目的的疾病迹象和潜在的未来健康风险。News-Medical报道，相关研究发表于《npj Digital Medicine》期刊。

超出检查目的的CT分析

该模型在约40万张来自约5万名患者的CT影像上进行了训练。其开发还使用了Penn Medicine BioBank的数据，该数据库包含逾35万人的信息，这些信息在宾夕法尼亚大学医疗系统中历时20年收集。

研究作者评估认为，Percival能够在CT中发现慢性疾病的迹象，包括心房颤动——一种心律不齐的形式——以及慢性肾病。研究人员将这种方法视为扩展机会性筛查的一种可能：从最初因其他原因安排的影像中获取额外信息。

更多最新消息请关注 UA.News Telegram 频道 Telegram.

与另一模型的比较

与另一款人工智能模型TotalSegmentator相比，Percival能更可靠地发现胰腺癌、肝硬化和细菌性肺炎等疾病。研究共同作者、放射学教授查尔斯·卡恩表示，常规影像检查可帮助更早识别疾病，并预测心血管和肝脏并发症的风险。

目前，该模型正在进行临床前测试。开发人员希望在2027年初对其进行测试，并考虑将其进一步用于临床实践。Percival的代码及其训练规范已公开提供。