患者肺部 CT 检查发现良性结节和恶性结节无法通过形态学判断，其恶变风险成为现在学术研究的热门之一。针对该问题，克日揭晓的一项研究称，通过连系机械学习与人工智能，行使 CT 影像学特征可以高度准确地判断肺部结节的恶性风险。 在临床上，有时发现肺部良性结节是常见的情形，而一小部门患者恶性结节会被误诊为良性结节而暴发肺癌等恶性组织肿瘤。据悉，现在仅有 CT 影像学等间接方式举行评估，无法准确地评估盆腔结节的恶性风险。 此项研究通过数据探测、机械学习及深度学习等手艺确立了诊断模子，并接纳独立组数据验证，结果显示所研制的肺结节恶性风险展望模子的诊断准确度到达 94%。值得一提的是，此研究借鉴了病理学家克里斯托弗·弗兰迪教授的头脑，接纳连系人工智能的手段为临床医生提供诊断建议。 早期肺结节发现的治疗方式通常是依赖手术切除，但对小于 2 厘米的结节，并纷歧定需要切除。该研究还为望尽可能制止肺部结节的不需要手术的患者提供了重要依据。
