Machine Learning algorithms can be trained on historical CT scan images and their corresponding cancer diagnosis to predict if new CT scans are showing abnormalities or not. This approach is increasingly being used in "human in the loop" scenarios where the final decision is left to a human expert.

The National Institutes of Health and Northwestern University collaborated with the team at Google Health on a research project looking at the accuracy of using a Machine Learning model for predicting lung cancer from CT scans. The results showed that the model performed on par or better than six unassisted radiologists taking part in the study when using a single CT scan for diagnosis. The model detected five percent more cancer cases while reducing false-positive exams by more than 11 percent.

Les algorithmes d'apprentissage automatique peuvent être formés sur des images de tomodensitométrie historiques et leur diagnostic de cancer correspondant pour prédire si de nouvelles tomodensitogrammes présentent des anomalies ou non. Cette approche est de plus en plus utilisée dans les scénarios "humains dans la boucle" où la décision finale est laissée à un expert humain. Les National Institutes of Health et la Northwestern University ont collaboré avec l'équipe de Google Health sur un projet de recherche portant sur la précision de l'utilisation d'un modèle d'apprentissage automatique pour prédire le cancer du poumon à partir de tomodensitogrammes. Les résultats ont montré que le modèle avait des performances égales ou supérieures à celles de six radiologues non assistés participant à l'étude lors de l'utilisation d'un seul scanner pour le diagnostic. Le modèle a détecté cinq pour cent de cas de cancer en plus tout en réduisant les examens faussement positifs de plus de 11 pour cent.

Healthcare - Improve Investigatory Work