費(fèi)城醫(yī)生因AI研究獲得RSNA Margulis獎(jiǎng)

醫(yī)生，其研究產(chǎn)生了大有希望的使用AI，提高結(jié)核病(TB)的檢測(cè)結(jié)果是在芝加哥的北美放射學(xué)會(huì)年會(huì)11月26日在授予科學(xué)成就亞歷山大R.馬古利斯獎(jiǎng)。

費(fèi)城托馬斯·杰斐遜大學(xué)醫(yī)院(TJUH)的醫(yī)師兼助理教授帕拉斯·拉哈尼(Paras Lakhani)醫(yī)師在一份聲明中說：“這個(gè)獎(jiǎng)項(xiàng)真是出乎意料，我感到很榮幸。”“人工智能是研究的熱點(diǎn)領(lǐng)域，并且我一直專注于這一領(lǐng)域已有兩年了。我不打算很快改變方向。”

Margulis獎(jiǎng)旨在表彰RSNA放射雜志上發(fā)表的最佳原創(chuàng)科學(xué)文章。根據(jù)2017年4月發(fā)表在該雜志上的文章，拉哈尼(Lakhani)和TJUH的同事Baskaran Sundaram博士使用深度卷積神經(jīng)網(wǎng)絡(luò)(DCNN)從胸部X光片中識(shí)別出結(jié)核病。

研究人員收集了1000多例活動(dòng)性結(jié)核病患者的胸部X光片。然后將X射線分為訓(xùn)練，驗(yàn)證和測(cè)試數(shù)據(jù)集。研究表明，兩個(gè)DCNN模型的組合的準(zhǔn)確度為96%。

一份有前途的結(jié)果表明，深度學(xué)習(xí)可以潛在地用于從胸部X射線對(duì)結(jié)核病進(jìn)行分類，并且可能有助于“在放射科醫(yī)生難以獲得的結(jié)核病流行地區(qū)進(jìn)行篩查和評(píng)估工作”。

放射學(xué)編輯David A. Bluemke，醫(yī)學(xué)博士在一份聲明中說：“作者評(píng)估了世界范圍內(nèi)的公共衛(wèi)生問題，尤其是對(duì)于放射科醫(yī)生很少的地區(qū)。”“重要的是，拉哈尼博士和圣達(dá)拉姆博士通過研究來自，白俄羅斯和的胸部X射線來驗(yàn)證了他們的結(jié)果。這種經(jīng)過充分驗(yàn)證的研究將改變放射學(xué)的實(shí)踐。”