编辑推荐：
肺癌是最具挑战性的疾病之一，早期诊断对有效治疗至关重要。
肺癌是最具挑战性的疾病之一，早期诊断对有效治疗至关重要。幸运的是，人工智能的进步正在改变肺癌筛查，提高准确性和效率。虽然当前的筛查方法（如低剂量CT）有助于确认肺癌的怀疑，但在报告偶然但关键的发现（如与心血管疾病相关的发现）时，它们往往存在较高的假阳性率和变异性。此外，由于全球放射学家短缺，低剂量CT的筛查率仍然很低（<10%）。
一项新的研究介绍了一个多模式多任务基础模型，该模型显著增强了低剂量CT的能力。该人工智能模型将肺癌风险预测提高了20%，心血管风险预测提高10%。该模型由伦斯勒理工学院（RPI）、维克森林大学（WFU）和马萨诸塞州总医院（MGH）的跨学科团队开发和测试，是同类模型中第一个同时处理十几项相关任务的模型，其中包括来自多个来源的数据，包括CT扫描、，放射学报告、患者风险因素和关键临床发现。
该研究的第一作者是RPI的研究科学家Chuang Niu博士。通讯作者包括Ge Wang博士，Clark Crossan，Christopher T.Whitlow等人。
这项工作的潜在临床影响是巨大的。通过将CT图像与文本信息集成，该模型显著改进了肺癌的检测和预测，而肺癌是改善患者预后的关键因素。此外，在医学中使用基础模型的主要好处之一是，当使用大规模筛选CT扫描和其他数据类型进行训练时，这些模型可以提高模型在相关新任务中的性能。例如，该模型可以提高肿瘤学等领域的性能，因为这些领域的特定任务数据通常是有限的。
Wang说：“使用RPI的高性能计算设备，这项工作大大加快了速度。”。“现在，我们的多机构团队正在使用我们自己的GPU和纽约州的帝国AI高性能计算设施，进一步增强我们基于越来越大的多模式数据的基础模型。领先机构之间的合作强调了人工智能和医学研究之间日益增强的协同作用他有可能彻底改变疾病的检测和治疗方式。"
“Wang博士和他的团队通过结合医学成像、人工智能和高性能计算的力量，在改善人类健康方面取得了重大进展。RPI一直处于计算科学和工程的前沿，为教职员工和学生提供了世界上最好的计算基础设施，以加速发展和转化革命性想法。我们对这项工作对疾病早期检测的未来意味着什么感到兴奋，并期待看到进一步的进展。"Shekhar Garde博士说。
