經(jīng)過(guò)卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練和內(nèi)部驗(yàn)證的超過(guò)15，000項(xiàng)肺部CT掃描已正確地將不確定的肺結(jié)節(jié)（IPN）重新分類為低風(fēng)險(xiǎn)或高風(fēng)險(xiǎn)類別。

AI系統(tǒng)在外部驗(yàn)證測(cè)試中證明了自己的才能。在這里，它對(duì)近600個(gè)惡性和良性現(xiàn)實(shí)結(jié)節(jié)中的三分之一進(jìn)行了重新分類，其準(zhǔn)確性要比研究人員和開(kāi)發(fā)人員進(jìn)行比較的傳統(tǒng)風(fēng)險(xiǎn)模型好得多。

該研究在范德比爾特大學(xué)進(jìn)行，并 在《美國(guó)呼吸與重癥醫(yī)學(xué)雜志》上免費(fèi)全文發(fā)表。

在其討論部分中，主要作者醫(yī)學(xué)博士皮埃爾·馬西翁（Pierre Massion）及其同事評(píng)論說(shuō)，其神經(jīng)網(wǎng)絡(luò)的高性能展示可能意味著該技術(shù)具有改變患者管理的潛力。如果是這樣，它將主要通過(guò)消除不必要的侵入性程序并減少診斷延遲來(lái)實(shí)現(xiàn)這一目標(biāo)。

范德比爾特對(duì)這項(xiàng)研究的內(nèi)部報(bào)道指出，遵守美國(guó)放射學(xué)院和美國(guó)胸科醫(yī)師學(xué)院提供的現(xiàn)行指南可能會(huì)有所不同，從而導(dǎo)致主觀結(jié)節(jié)分類。

該學(xué)校指出，本研究“是第一個(gè)在多個(gè)獨(dú)立隊(duì)列中驗(yàn)證風(fēng)險(xiǎn)分層工具并顯示出明顯優(yōu)于現(xiàn)有風(fēng)險(xiǎn)模型的重分類性能?！?/p>