由于佛羅里達中央大學的計算機視覺研究中心，醫生可能很快就可以幫助對抗癌癥。

該中心的工程師們已經教過計算機如何在CT掃描中檢測肺癌的微小斑點，放射科醫生經常難以識別。該團隊表示，人工智能系統的準確度約為95%，而人眼完成后則為65%。

“我們用大腦作為模型來創建我們的系統，”UCF曲棍球隊的博士候選人和隊長Rodney LaLonde說。“你知道大腦神經元之間的聯系如何在發育和學習過程中加強嗎?如果你愿意的話，我們會利用這個藍圖來幫助我們的系統了解如何在CT掃描中尋找模式并教會自己如何找到這些微小的腫瘤。”

該方法類似于面部識別軟件使用的算法。它掃描數千個尋找特定模式的面孔以找到它的匹配。

工程助理教授Ulas Bagci領導該中心的研究人員，專注于人工智能和潛在的醫學應用。

該組通過與梅奧診所的合作，向美國國立衛生研究院提供了超過1,000次CT掃描，并將其用于幫助計算機學習尋找腫瘤的軟件。

從事這個項目的研究生必須教電腦不同的東西，以幫助它正確學習。正在攻讀博士學位的Naji Khosravan創建了學習系統的支柱。他對新型機器學習和計算機視覺算法的熟練程度促使他在Netflix實習期間幫助公司完成了各種項目。

LaLonde教會計算機如何忽略在CT掃描和肺組織中遇到的其他組織，神經和其他腫塊。去年夏天獲得博士學位的Sarfaraz Hussein正在調整AI識別癌癥與良性腫瘤的能力，而研究生Harish Ravi Parkash正在從這個項目中吸取經驗教訓并應用它們看看是否可以開發另一個AI系統幫助識別或預測腦部疾病。

“我相信這將產生非常大的影響，”巴奇說。“肺癌是美國頭號癌癥殺手，如果在晚期檢測到癌癥，生存率只有17%。通過尋找早期幫助鑒定的方法，我認為我們可以幫助提高生存率。”

該團隊將于9月份在西班牙舉行的最大型醫學影像研究會議 - MICCAI 2018會議上展示其發現。該團隊的工作已在會議之前公布。

下一步是將研究項目轉移到醫院環境中; Bagci正在尋找合作伙伴來實現這一目標。在此之后，該技術可能距離市場還有一兩年的時間，Bagci說。

“我認為我們都來到這里是因為我們希望利用我們對工程學的熱情來發揮作用，拯救生命是一個巨大的影響，”LaLonde說。

拉維普拉卡什同意。在聽說Bagci和他在UCF的工作之前，他正在研究工程及其在農業方面的應用。Bagci的研究領域包括生物醫學成像和機器學習及其在臨床成像中的應用。在此之前，Bagci是美國國立衛生研究院傳染病影像實驗中心的一名科學家和實驗室經理，該實驗室位于放射學和影像科學系。