NatRevCancerAI在癌症

撰文：Sirius

IF=53.05

推荐度：?????

亮点

关于癌症诊断的深度学习的文章数目迅速增加，并且经常声称该系统的性能与临床医生相当或优于临床医生。但是，很少有系统显示出实际的医疗用途。在此观点中，作者讨论了进展缓慢的原因，并描述了旨在促进过渡到临床的补救措施。

年1月29日由挪威奥斯陆大学癌症与信息学研究所H?vardE.Danielsen研究组在《NatureReviewscancer》杂志上发表了一篇名为“Designingdeeplearningstudiesincancerdiagnostics”的综述。在这里，研究者评估了最近在癌症诊断中具有影响力的深度学习研究，其中绝大多数将图像用作系统的输入，并对这些研究进行了评估以揭示该领域的状况。通过处理实际数据，举例说明大量多样的训练数据可促进神经网络的通用性，从而促进其在临床上的使用能力。为了减少深度学习系统的性能评估有偏差的风险，研究者主张在外部队列中进行评估，并强烈建议计划中的分析（包括预定义的主要分析）在协议中优先存储在在线存储库中进行描述。

深度学习通过直接学习原始输入数据和目标输出之间的相关性，促进了对大数据集的利用，提供了可能使用高维输入数据的复杂结构来精确建模与目标输出的关联的系统。大量研究报道了深度学习在癌症诊断中的适用性，包括预测诊断、预后和治疗反应。尽管许多工具声称其性能与临床医生相当，甚至更好，但很少有实际的医疗效用。然而，许多对明显运转良好的系统进行评估的研究都有很大的偏倚风险。特别值得

转载请注明：http://www.makingchance.com/jibzd/7530.html