多亏中央佛罗里达大学计算机视觉研究中心的帮助，医生们可能很快会在抗癌方面有所帮助。

该中心的工程师教了一台计算机，该计算机如何在CT扫描中检测出微小的肺癌斑点，放射科医生通常很难识别这些斑点。研究小组表示，人工智能系统的准确率约为95%，而人眼的准确率则为65%。

UCF曲棍球队的队长，博士生Rodney LaLonde说：“我们以大脑为模型来创建我们的系统。”“您知道大脑神经元之间在发育和学习过程中如何增强联系?如果您愿意的话，我们使用该蓝图来帮助我们的系统了解如何在CT扫描中寻找模式，并自学如何找到这些微小的肿瘤。”

该方法类似于面部识别软件使用的算法。它扫描成千上万的面部，寻找特定的图案以找到其匹配项。

工程助理教授Ulas Bagci领导该中心的研究人员小组，重点研究具有潜在医学应用的AI。

该小组将1000多次CT扫描(由美国国立卫生研究院(National Institutes of Health)通过与Mayo Clinic合作提供)提供给他们开发的软件，以帮助计算机学习查找肿瘤。

该项目的研究生必须教计算机不同的东西，以帮助计算机正确学习。攻读博士学位的纳吉·科斯拉万(Naji Khosravan)创建了学习系统的中坚力量。他精通新颖的机器学习和计算机视觉算法，因此他成为了Netflix实习生，帮助Netflix完成了多个项目。

LaLonde教计算机如何忽略在CT扫描中遇到的其他组织，神经和其他肿块，并分析肺组织。萨法拉兹·侯赛因(Sarfaraz Hussein)于去年夏天获得博士学位，他正在微调AI识别癌性肿瘤和良性肿瘤的能力，而研究生Harish Ravi Parkash正在汲取该项目的经验教训，并应用它们来研究是否可以开发其他AI系统帮助识别或预测脑部疾病。

巴奇说：“我相信这将产生很大的影响。”“肺癌是美国排名第一的癌症杀手，如果在晚期被发现，其存活率仅为17%。通过寻找早期发现的方法，我认为我们可以帮助提高存活率。”

该团队将在9月最大的医学影像研究顶级会议-西班牙MICCAI 2018大会上展示其发现。团队的工作已在会议之前发布。

下一步是将研究项目移至医院。Bagci正在寻找合作伙伴以实现这一目标。Bagci说，在那之后，该技术可能会离开市场一两年。