麻省理工学院的新人工智能模型检测胰腺癌的早期迹象

　　1月19日 消息:麻省理工学院(MIT CSAIL)的人工智能实验室与哈佛大学放射肿瘤学系的Limor Apelbaum博士合作，提出了两种新的人工智能模型，称为PRISM神经网络(PrismNN)和逻辑回归(PrismLR)，用于早期检测胰腺导管腺癌(PDAC)，这是一种致命的癌症。

　　发现的重要性

　　PRISM模型在相对风险阈值高出五倍的情况下，可以识别出35%的PDAC病例，而传统筛查标准可以识别出10%的PDAC病例。这种性能改进标志着早期干预潜力的重大飞跃。

　　胰腺位于腹部深处，早期发现具有挑战性，缺乏有效治疗凸显了及早识别高危患者的重要性。

　　研究方法

　　研究团队利用了一家联合网络公司，利用电子健康记录 (EHR) 数据，这些数据包括来自美国不同机构的患者人口统计、诊断、***和实验室结果。这个庞大的数据库涵盖了超过500万名患者，确保了模型的可靠性和普遍性，使其适用于不同的人群、地理位置和人口群体。

　　PrismNN 使用人工神经网络来检测复杂的模式，而 PrismLR 使用逻辑回归进行更简单的分析，从相同的 EHR 数据中提供对 PDAC 风险的全面评估。

　　研究成果

　　PRISM模型在所有年龄段和种族的患者中都表现出良好的性能。此外，PRISM模型还可以根据患者的个人风险因素进行调整，这可能会进一步提高其准确性。

　　研究展望

　　该团队计划将模型的适用性扩展到美国以外的国际数据集，并添加更多的生物标志物以进行更精细的风险评估。

　　与其他研究的比较

　　PRISM模型与其他已发表的PDAC人工智能模型相比具有以下优势:

　　使用更大的数据集进行开发和验证，提高了模型的准确性和可靠性。

　　使用常规临床和实验室数据进行预测，使其更适用于实际应用。

　　具有更强的泛化能力，可用于不同人群和地理位置的患者。

　　结论

　　PRISM模型是早期检测PDAC的一种有前途的新方法。它具有高准确性、可靠性和泛化能力，有望改善患者的预后。

免责声明：本文内容来源于第三方或整理自互联网，本站仅提供展示，不拥有所有权，不代表本站观点立场，也不构成任何其他建议，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容,不承担相关法律责任。如发现本站文章、图片等内容有涉及版权/违法违规或其他不适合的内容， 请及时联系我们进行处理。