Artificial Intelligence and Machine Learning in Lung Cancer Screening - 06/10/23

Doi : 10.1016/j.thorsurg.2023.03.001

Scott J. Adams, MD, PhD ^a, Peter Mikhael, BSc ^b,^c, Jeremy Wohlwend, ME ^b,^c, Regina Barzilay, PhD ^b,^c, Lecia V. Sequist, MD, MPH ^d,^e,^⁎ , Florian J. Fintelmann, MD ^e,^f,^⁎
^a Department of Radiology, Stanford University School of Medicine, Stanford, CA, USA
^b Department of Electrical Engineering and Computer Science, Massachusetts Institute of Technology, Cambridge, MA, USA
^c Jameel Clinic, Massachusetts Institute of Technology, Cambridge, MA, USA
^d Department of Medicine, Massachusetts General Hospital, Harvard Medical School, 55 Fruit Street, Boston, MA 02114, USA
^e Harvard Medical School, Boston, MA, USA
^f Department of Radiology, Massachusetts General Hospital, 55 Fruit Street, Boston, MA 02114, USA

^∗Corresponding authors.

Résumé

Recent advances in artificial intelligence and machine learning (AI/ML) hold substantial promise to address some of the current challenges in lung cancer screening and improve health equity. This article reviews the status and future directions of AI/ML tools in the lung cancer screening workflow, focusing on determining screening eligibility, radiation dose reduction and image denoising for low-dose chest computed tomography (CT), lung nodule detection, lung nodule classification, and determining optimal screening intervals. AI/ML tools can assess for chronic diseases on CT, which creates opportunities to improve population health through opportunistic screening.

Le texte complet de cet article est disponible en PDF.

Keywords : Lung cancer screening, Artificial intelligence, Machine learning, Risk prediction, Lung nodule detection, Opportunistic screening

Plan

Key points

Introduction

Determining screening eligibility

Radiation dose reduction and image reconstruction for low-dose chest computed tomography

Lung nodule detection

Lung nodule classification and lung cancer risk prediction

Personalized screening intervals

Opportunistic screening

Export

Vol 33 - N° 4

P. 401-409 - novembre 2023 Retour au numéro

Article précédent

Asian Perspective on Lung Cancer Screening
Takahiro Mimae, Morihito Okada

| Article suivant

Liquid Biopsy as an Adjunct to Lung Screening Imaging
Nathaniel Deboever, Edwin J. Ostrin, Mara B. Antonoff

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Déjà abonné à cette revue ?

connectez-vous ou créez un compte

Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.

Artificial Intelligence and Machine Learning in Lung Cancer Screening - 06/10/23

Résumé

Plan

Export citations

Fichier

Contenu

Accès rapides

Mon compte

Aide & support

Plateformes Elsevier Masson

Déclaration CNIL