9、从像素到预测：探索人工智能在放射学中的角色

从像素到预测：探索人工智能在放射学中的角色

1. 人工智能在放射学中的应用

人工智能在放射学领域正发挥着越来越重要的作用。在肿瘤诊断方面，放射组学可用于肿瘤特征描述，包括分子标记物的识别。机器学习（ML）算法增强了放射组学研究以及在诊断影像中感兴趣区域内细微特征的检测。

在头颈部恶性肿瘤的放射肿瘤学中，ML和深度学习（DL）可用于改进决策支持算法、自动分割、治疗计划、结果预测和质量保证。例如，有研究表明，使用ML算法对甲状腺结节进行计算机辅助诊断，区分良性和恶性的结果比人类解读更准确。

在肿瘤正电子发射断层扫描（PET）成像中，最常用的放射性示踪剂18F - FDG，被推荐用于诊断、治疗反应评估和复发性癌症检测。同时，PET成像还可以对癌症葡萄糖代谢进行定量评估。

肺癌是使用人工智能模型研究最多的恶性肿瘤，其次是淋巴瘤、头颈部、胰腺、乳腺、宫颈癌和肉瘤等。人工智能在肺癌相关的成像应用中具有多种作用，如肺结节特征描述、肿瘤识别、肺癌亚型区分、肺癌分期和反应评估等，还在预测肿瘤行为和患者生存方面显示出了有前景的价值，甚至可以预测早期转移性疾病。此外，人工智能模型还可以提高18F - FDG PET成像的质量。

以下是人工智能在放射学中部分应用的总结表格：
|应用领域|具体应用|
| ---- | ---- |
|肿瘤诊断|放射组学特征描述、甲状腺结节良恶性区分|
|PET成像|诊断、治疗反应评估、复发性癌症检测、葡萄糖代谢定量评估|
|肺癌相关|肺结节特征描述、肿瘤识别、亚型区分、分期、反应评估、肿瘤行为和生存预测、早期转移预测|

2. 人工智能在放射学中面临的挑战