使用計算機分析患者器官的CT圖像，研究人員能夠預測他們的5年死亡率，準確率高達70%。這是發表在《科學報告》雜志上的一項最新研究成果。

　　該研究報告的作者，澳大利亞阿得雷德大學公共衛生學院的Luke Oakden Rayner博士及其同事相信，他們的研究結果能夠推動精準醫學領域向前發展。

　　美國國家衛生研究院(NIH)將精準醫學定義為“一種將每個人的基因、環境與生活方式等個體差異考慮在內的疾病預防與治療的新興方法”。

　　正如該研究作者所指出的，精準醫學有賴于生物標志物的發現，它是疾病風險、治療反應或疾病預后的精確指標。他們認為放射學在這一領域起著重要作用。

　　在他們的研究中，Oakden Rayner博士及其同事開始探討他們是否能教會計算機“學習”來自計算機斷層掃描(CT)的相關信息，用來預測患者的5年死亡率。

　　首先，研究小組收集了七種不同組織的15,000幅CT圖像——包括心肺組織，這些圖像均來自60歲及以上的患者。使用Logistic回歸技術，研究人員確定了一些與5年死亡率相關的圖像特征。

　　然后，研究團隊將數據與“深度學習”技術結合起來。Oakden Rayner博士解釋說，這是一種計算機可以“學習如何理解與分析圖像”的方法。

　　他補充道：“自動化系統并不專注于診斷疾病，而是以一種醫生沒有被訓練過的方式，即通過將大量數據合并和檢出細微模式來預測臨床預后。”

　　接下來，研究人員用計算機對48名60歲以上患者的胸部CT圖像進行分析。他們發現，與醫療保健專業人員做出的死亡率預測相比，計算機預測他們5年死亡率的準確率高達69%。

　　與此同時，研究人員說道，他們的研究可以證明，CT圖像和計算機學習可能會導致精準醫學的重大進展。