人工智能可以测量自身的不确定性，从而提高肝癌的检测效率

布法罗，纽约——2025年4月8日——2025年4月4日，一篇新的社论发表在Oncotarget第16卷，题为“基于深度学习的不确定性量化，用于肝胆成像技术的质量保证”。

　　

“这些进步，通过提供更可靠和有效的诊断工具，可能通过解决不断增长的临床需求和工作压力，同时保持可解释性和临床相关性，显著影响临床实践。”

梅奥诊所的Yashbir Singh博士和他的同事们讨论了人工智能（AI）如何通过识别可能出错的肝脏成像来改善肝脏成像。这种方法被称为“不确定性量化”，通过指出医学扫描中需要再次检查的区域，帮助临床医生更好地检测肝癌和其他疾病。

作者解释了这些人工智能工具如何使成像结果更加准确和可靠，这在诊断肝脏肿瘤等严重疾病时尤为重要。由于肝脏和胆管的复杂结构和图像质量的差异，肝脏和胆管成像是困难的。即使是熟练的放射科医生也很难识别出小的或隐藏的肿瘤，尤其是那些有肝损伤或疤痕的患者。这篇社论解释了新的人工智能模型不仅可以阅读医学图像，还可以衡量自己的信心。

当人工智能系统不确定时，它可以提醒临床医生仔细检查。这一额外的信息层可以减少漏诊，提高肝癌的早期发现。社论中描述的最先进的工具之一被称为AHUNet（各向异性混合网络）。这种人工智能模型可以处理2D和3D图像，并可以突出显示它最自信的扫描部分。它在测量整个肝脏时表现良好，并显示出在扫描较小或多个病变时它的信心是如何下降的。这个功能可以帮助临床医生知道什么时候需要更多的测试或审查。作者还研究了肝脏成像中使用的其他人工智能模型。

一些工具能够使用超声图像分析肝脏脂肪，并为临床医生提供结果和置信度评分。另一些则提高了肝脏磁共振成像（MRI）扫描的速度和准确性，有助于在更短的时间内创建清晰的图像。这些进步可以帮助医院更快地工作，提供更好的护理。这篇社论强调了这项技术对小型诊所的特别帮助。

如果他们没有肝脏专家，他们仍然可以使用人工智能系统来标记不确定的结果，并将其发送到更大的中心进行审查。这种方法可以改善农村或资源匮乏地区的护理。

“放射科应该开发标准化的报告模板，将不确定性指标与传统的成像结果结合起来。”

通过使用人工智能工具，临床医生可能很快就会有更可靠的方法来检测肝癌和监测肝脏疾病。作者认为，具有不确定性意识的人工智能可能很快就会成为日常医学成像的重要组成部分，支持肝病护理中更快、更准确的决策。