![Lunit算法显示最佳的性能比其他商业化的智能算法,最终减少放射科医生的工作负载分类乳房x光检查检查](http://www.alohadebbie.com/sites/default/files/styles/content_large/public/Insight.jpg?itok=mU-AFj03)
2020年12月2日——最近的研究表明,Lunit AI的解决方案是尽可能准确的平均放射科医生时识别乳腺癌它可能有一个角色作为独立的读者在未来,减少放射科医生工作量和可能增加癌症检测。
所做的研究弗雷德里克•链。,从卡罗林斯卡医学院和他的研究小组最近发表在JAMA肿瘤学和《柳叶刀》杂志上的数字医疗领先的同行评议期刊中,著名的医学,以性能结果MMG Lunit INSIGHT的商业智能解决方案从乳房x光检查乳腺癌检测。
根据这项研究发表在JAMA肿瘤学,团队进行了第一次独立比较几种商业化AI。分析了三种不同的人工智能算法包括Lunit的解决方案(Lunit洞察力MMG)来识别乳腺癌。他们评估在一个大型回顾展筛查人群。
基于8805例,Lunit算法显示最好的精度,显示大约15百分点的敏感性高于其他两种算法。也超过第一读者放射科医生的敏感性,并实现协同的敏感性88.6%当first-readers和Lunit相结合的智能解决方案。
“重大飞跃的性能来自于我们专有的算法,精心训练达到前所未有的数量的数据和精确的地面实况,”说Kim Ki圆首席医疗官Lunit。“我们的训练数据集包括72000 biopsy-proven乳腺癌病例,这是大大超过其他算法研究中提到的。”
符合高性能、人工智能的可能性分类某些筛选考试提出在数字健康。这项研究发表在《柳叶刀》杂志上它关注如何使用基于ai进球重新分配放射科医师时间明显负面乳房x光检查情况下需要额外的注意力由放射科医生,最终减少他们的工作量,提高癌症检测。
研究证明,对于大多数乳房x光检查接收异常低的分数Lunit AI很少错过任何癌症仅在评估数据,没有涉及到放射科医生。如果没有放射科医师资源被用于AI分数和最低的60%的女性被投资做核磁共振的前2% AI分数(消极的放射科医生的双重阅读后的乳房x光片),净103 547癌症可能已发现2年前,对应于每1000年补充68癌症筛查的检出率考试。
研究员链Oncology-Pathology学系卡罗林斯卡医学院及卡罗林斯卡大学医院的放射科医生解释说,“研究表明潜在的商业智能算法作为独立的读者在筛查性乳房x光检查评估临床相关的水平。为我们下一步是探索如何Lunit AI算法作为一个独立的读者在未来的临床设置。在未来,我相信人工智能图像分析将有助于进一步提高乳腺癌患者的总体生存。”
“乳腺癌是女性死亡的第二大原因,早期发现是最好的防御在治疗这种疾病,”说布兰登SuhLunit首席执行官。“很有意义对我们算法的高性能水平识别在这些精心设计的研究基于一个重要的实际检查队列数据,我们希望不断提供正确的诊断病人的最佳解决方案。”
更多信息:www.lunit.io