使用计算机分析患者器官的CT图像，研究人员能够预测他们的5年死亡率，准确率高达70%。这是发表在《科学报告》杂志上的一项最新研究成果。

　　该研究报告的作者，澳大利亚阿得雷德大学公共卫生学院的Luke Oakden Rayner博士及其同事相信，他们的研究结果能够推动精准医学领域向前发展。

　　美国国家卫生研究院(NIH)将精准医学定义为“一种将每个人的基因、环境与生活方式等个体差异考虑在内的疾病预防与治疗的新兴方法”。

　　正如该研究作者所指出的，精准医学有赖于生物标志物的发现，它是疾病风险、治疗反应或疾病预后的精确指标。他们认为放射学在这一领域起着重要作用。

　　在他们的研究中，Oakden Rayner博士及其同事开始探讨他们是否能教会计算机“学习”来自计算机断层扫描(CT)的相关信息，用来预测患者的5年死亡率。

　　首先，研究小组收集了七种不同组织的15,000幅CT图像——包括心肺组织，这些图像均来自60岁及以上的患者。使用Logistic回归技术，研究人员确定了一些与5年死亡率相关的图像特征。

　　然后，研究团队将数据与“深度学习”技术结合起来。Oakden Rayner博士解释说，这是一种计算机可以“学习如何理解与分析图像”的方法。

　　他补充道：“自动化系统并不专注于诊断疾病，而是以一种医生没有被训练过的方式，即通过将大量数据合并和检出细微模式来预测临床预后。”

　　接下来，研究人员用计算机对48名60岁以上患者的胸部CT图像进行分析。他们发现，与医疗保健专业人员做出的死亡率预测相比，计算机预测他们5年死亡率的准确率高达69%。

　　与此同时，研究人员说道，他们的研究可以证明，CT图像和计算机学习可能会导致精准医学的重大进展。