Lunit(328130)20日表示,将在本月26日至30日于美国芝加哥举行的“2023北美放射学会年会(RSNA 2023)”上展示8篇运用人工智能(AI)影像分析解决方案“Lunit INSIGHT”的研究成果。
本次学会发表的核心是应用于胸部X光影像判读的双重AI算法研究。内容是通过双重AI算法,最大化提升临床环境中占大多数的正常胸部影像的判读效率,并防止异常病例被漏诊。
研究团队开发了自主判断正常或异常所见的算法(NF模型),先对X光影像进行分析,随后再以胸部X光AI影像分析解决方案“Lunit INSIGHT CXR”进行追加分析。以NF模型分析共8029名患者的X光影像结果显示,诊断是否异常的敏感度平均为97.8%(针对3531例正常X光影像中的一半即1765例)。随后通过Lunit CXR追加分析,在NF模型未能发现的24例中又额外找出存在重要异常病例的4例(16.7%)。
Lunit相关人士解释称:“这意味着以NF模型这类正常/异常所见判断算法支持对大量正常胸部影像的快速判读,再叠加应用Lunit的AI解决方案,就可防止异常病例被漏诊。”Lunit决定将本次研究所用的NF模型追加纳入其AI解决方案产品。
Lunit还发表了通过追踪乳腺摄影影像的时间变化来预测未来乳腺癌发生风险的AI模型研究成果。研究团队利用1万6113张数字乳腺摄影图像,开发了“仅学习诊断前过去某一时点乳腺摄影图像的模型”(A模型)与“同时学习同一患者两个不同时点的检查、考虑随时间变化的模型”(B模型)。
结果显示,预测模型的准确度B模型平均为0.73,高于A模型的0.68。特别是在东方女性中较多的致密型乳腺上也呈现类似结果。Lunit相关人士表示:“这意味着在利用AI预测乳腺癌风险时,追加学习时间变化可以提高准确度。”
作为今年9月瑞典皇家卡罗林斯卡研究所研究团队在世界级医学期刊《柳叶刀数字健康》上发表的前瞻性研究的后续研究,Lunit还将发表比较AI与放射科专科医生乳腺摄影判读的研究成果。该研究以5万5581名女性为对象,分析了两名专科医生与乳腺摄影AI影像分析解决方案“Lunit INSIGHT MMG”判读结果所对应的患者召回准确度。
在AI捕捉到异常征兆后召回的3014例中,阳性预测值(PPV)为29%,而仅由专科医生判断存在潜在异常后召回的2501例中,PPV为3.4%。Lunit方面解释称,这提示专科医生对AI结果的最终解读可能存在偏差,需要留意。Lunit代表徐范锡表示:“将以本次学会为契机,进一步巩固在AI癌症诊断领域的全球领先地位,并持续努力为医护人员和患者提供实质性益处。”
Lunit将在本次学会现场设置的展位邀请知名医护人员,举办分享Lunit AI使用体验的“Global Insight”专场。本次活动于26日至28日为期三天举行,瑞典圣约兰医院的Karin Dembrower博士、曾任IBM Watson Health首席医学官(CMO)的David Gruen博士等将作为演讲者出席,发表Lunit AI影像分析解决方案的重要性及在实际医疗现场的效用等内容。






