研究人員相信這一點人工智慧提供了一種檢測良性和高風險乳房病變的新方法，以消除不必要的手術。一項在線上發表的研究放射學表明將來可能使用AI技術來改善乳腺癌患者的治療。
乳腺癌風險給女性
每年約有40,000名婦女死於美國乳癌。在某些情況下，該疾病在早期發現時可以治愈。這乳房X線照片是可識別乳腺癌的測試之一，但通常會產生假陽性結果，導致活檢和手術。
假陽性結果的最常見原因是高風險病變。在針頭活檢測試中，病變在乳房X線照片中似乎是可疑的。然後，患者將接受手術以消除病變，但一些高風險病變似乎是90％的良性。此程序使女性每年都處於危險之中，因為她們需要進行不必要和昂貴的手術。
檢測乳腺癌的新方法
麻省理工學院的計算機科學和人工智能實驗室，馬薩諸塞州綜合醫院和哈佛醫學院的研究人員認為，人工智能是減少不必要的手術的答案，同時保持乳房X光檢查在檢測乳腺癌中的效率。
團隊通過開發使用機器學習的AI系統來共同努力，以改善檢測和診斷。該模型大約有600個現有的高風險病變，並檢查了不同數據元素的模式，以分析傳統的風險因素，包括家族病史，病理學報告，過去的活檢和人口統計。
研究人員在335個病變上測試了機器學習模型，並且正確預測97％的乳腺癌診斷為惡性腫瘤，幾乎降低了良性手術的30％。
“據我們所知，這是第一個將機器學習應用於區分需要手術與不接受手術的高風險病變的任務的研究，”說哈佛醫學院康斯坦斯·雷曼（Constance Lehman）教授，他還是MGH放射學系乳房成像部的負責人。
將來使用機器學習模型
馬薩諸塞州綜合醫院乳房成像計劃主管Manisha Bahl說：“在未來的工作中，我們希望將病理幻燈片的乳房X線照片和圖像以及醫療記錄中更廣泛的患者信息納入實際圖像。”
這是醫學界在識別人類看不見的模式和趨勢中接受機器學習的第一步。 MGH放射科醫生將在明年將機器學習模型納入臨床實踐中，因為他們仍在努力進一步磨練該模型。
