生物帮伊利诺伊州奥克布鲁克-根据《放射学》杂志发表的一项研究，一种机器学习算法可帮助准确区分CT结肠造影扫描上的良性和恶性大肠息肉。
在工业化国家，大肠癌是男女死于癌症的三种最常见原因。大多数类型的结直肠癌起源于腺瘤性息肉-腺瘤状样的生长在大肠衬里的粘膜上-生长了数年。早期发现并清除这些癌前息肉可降低大肠癌的发病率和死亡率。
在过去的二十年中，CT结肠造影术已成为结肠镜检查筛查中结肠镜检查的一种非侵入性替代方法。它在检测大多数息肉方面可与结肠镜检查相媲美，并且在可视化结肠部分时非常有效，在复杂的解剖学情况下，结肠镜检查不能始终对其进行评估。但是，CT结肠造影无法明确区分良性和恶性息肉，这对于个体风险分层和治疗指导至关重要。
在这项新研究中，研究人员利用了放射线学的力量(一种从医学图像中提取定量特征的过程)来表征息肉超出肉眼可见的范围。
研究人员开发了一种机器学习算法，可以基于通过放射线学提取的定量图像特征来预测单个息肉的特征。他们将无创，基于放射学的机器学习方法应用于来自一组平均结肠直肠癌风险的无症状患者的CT结肠造影图像。机器学习算法在63位患者的一组100多个结直肠息肉上进行了训练，然后在59位患者的77个息肉上进行了测试。
在测试集中，机器学习方法能够无创地区分良性和恶性前期CT结肠造影检测的结肠直肠息肉，敏感性为82%，特异性为85%。曲线下的面积(AUC)非常好，它是反映模型能够区分良性和癌前息肉的图形度量。
