复旦中山医院联合阿里达摩院用AI检测喉癌、下咽癌转移，准确性远超人类专家
原文中文，约1100字，阅读约需3分钟。
📝
内容提要
复旦中山医院与阿里达摩院合作研发的AI模型DeepENE，能够准确检测喉癌和下咽癌的淋巴结转移，其诊断性能显著优于人类专家。该研究成果已发表在《放射学》杂志上，有助于制定个性化治疗方案。
🔎
延伸解读
AI在癌症检测中的潜力
DeepENE模型的成功展示了AI在癌症检测中的巨大潜力，尤其是在复杂的头颈部肿瘤影像分析中。通过高质量的训练数据集，AI能够克服人类专家在诊断中的局限性，为患者提供更准确的淋巴结转移评估。这一进展可能会改变未来癌症诊断的标准，提升患者的生存率。
个性化治疗方案的制定
随着DeepENE的应用，医生能够更精准地识别淋巴结转移情况，从而制定个性化的治疗方案。特别是在新版本AJCC指南中，ENE阳性被列为N3b期，直接影响治疗决策。AI的引入将有助于提高治疗效果，降低患者的治疗风险。
AI与人类专家的比较
研究表明，DeepENE在多个外部测试中的表现均优于人类专家，尤其是在早期ENE的检测上。尽管AI技术展现出高准确性，但仍需注意其在临床应用中的局限性，如对数据质量的依赖和潜在的技术故障。因此，AI应作为辅助工具，与人类专家的判断相结合。
❓
Q&A
DeepENE模型的主要功能是什么？
DeepENE模型能够准确检测喉癌和下咽癌的淋巴结转移，区分良性和转移性淋巴结。
DeepENE的诊断性能如何与人类专家相比？
DeepENE的诊断性能显著优于人类专家，尤其在早期ENE的检测中表现更佳。
为什么淋巴结转移的检测对癌症患者重要？
淋巴结转移的检测对制定治疗方案和评估患者预后至关重要。
DeepENE模型是如何训练的？
DeepENE模型通过构建高质量的淋巴结训练数据集，评估289例喉癌和下咽癌患者的1954枚淋巴结进行训练。
AI模型在外部测试中的表现如何？
AI模型在外部测试中的AUC分别达到0.96、0.87和0.90，整体表现优于5位医学影像专家。
未来DeepENE模型的应用计划是什么？
未来将把DeepENE模型整合进现有的临床工作流程，以验证其在真实世界临床决策中的价值。
🏷️
