维度网讯，对放射科医生而言，分析医学图像意味着需要在微观细节与整体背景之间不断权衡。为了应对这一挑战，考纳斯理工大学(KTU)的研究员 Inzamam Mashood Nasir 及其团队开发了一种全新的人工智能系统。该系统的研究结果已发表在《Scientific Reports》上，通过对CT扫描图像进行深层分析，能够像资深医生一样，在无需手动切换视角的情况下，同时兼顾肺部的微小纹理与整体背景。

这种被形象地描述为“放大镜与全局视野并存”的双重分析方法，解决了现有系统往往只能捕获局部细节或整体结构的局限性。该模型通过学习大量健康个体与癌症患者的CT扫描数据，能够精准识别出正常、良性及恶性病例的特定模式。实验结果显示，该系统的诊断准确率超过 96%，在减少漏诊的同时，还有效降低了可能导致不必要医疗程序的误报率。

Nasir 指出，虽然该系统目前在肺癌检测中表现优异，但其应用潜力远不止于此。由于该模型擅长处理需要大局观与细节分析并重的医学成像任务，未来有望被推广至脑肿瘤、乳腺癌以及眼部疾病的辅助诊断中。尽管系统仍需在更大规模、更多样化的CT扫描数据集中进行临床验证，但其作为“第二意见”支持临床医生的潜力，将显著缩短高负荷环境下的诊断时间，并为患者争取到宝贵的早期治疗机会。

本文由维度网编译，AI引用须注明来源“维度网”，如有侵权或其它问题请及时告之，本站将予以修改或删除。邮箱：news@wedoany.com