一种新的卵巢癌无创诊断方法来了

机器学习模型与影像医生诊断能力的比较。紫色三角形和绿色正方形分别代表6名影像医生的诊断能力，红色圆点代表影像医生的平均诊断能力，蓝色实线代表机器学习模型的诊断能力，蓝色实线右下方的红色圆点代表机器学习模型的诊断能力高于影像医生的平均诊断能力。

提到卵巢癌(恶性卵巢肿瘤)让人害怕。它也是世界上第五大致命癌症。恶性上皮性卵巢肿瘤占所有卵巢癌的90%。与恶性上皮性卵巢肿瘤相比，交界性上皮性卵巢肿瘤具有较低的恶性潜能和较好的预后，5年生存率分别为40%和97%。因此，术前准确区分两者，有助于实施准确治疗，节约医疗资源，提高患者术后生活质量。

最近，中国科学院苏州生物医学工程技术研究所(以下简称苏州医技所)科研团队与复旦大学附属金山医院科研团队共同开发了一种新的卵巢癌无创诊断方法，使医务人员仅利用患者的磁共振图像就能准确判断卵巢癌的分类。

这一次，研究小组率先将人工智能技术应用于卵巢癌患者的影像诊断。研究者收集了两大类501例卵巢癌患者的核磁共振成像数据，通过机器学习方法筛选特征并建立模型，最终形成了一套新的卵巢癌智能无创诊断方法。将新方法得到的机器诊断结论与6位影像医生2 ~ 13年的诊断结果进行了比较。结果表明，医生的平均诊断准确率为79.5%，机器的平均诊断准确率为91.7%。新方法的诊断准确率明显高于人工方法。

苏州医学院的研究员x·鲍尔说，人工智能和影像诊断的结合改变了过去人工读片诊断的思维。这种新方法不仅可以帮助临床医生提高卵巢癌诊断的准确性，还可以指出哪些元素对形成诊断最有价值，帮助医生提高影像检查的效率。

相关论文信息:https://doi.org/10.1002/jmri.27084