计算机程序可以识别乳房研究人员表示，通过比人类专家更准确的常规扫描，他们希望能够在打击全球杀手的斗争中取得突破。
乳腺癌是女性最常见的癌症之一，仅去年一年就有超过 200 万新诊断乳腺癌。
定期筛查对于发现无明显症状的患者的最早疾病迹象至关重要。
在英国，建议 50 岁以上的女性每三年进行一次乳房 X 光检查，检查结果由两名独立专家进行分析。
但对扫描结果的解读存在出错的空间，所有乳房X光检查中的一小部分要么返回假阳性（将健康患者误诊为患有癌症），要么返回假阴性（在疾病扩散时漏诊）。
现在谷歌健康研究人员已经训练了一个该模型通过英国和美国数千名女性的乳房扫描来检测癌症。
这些图像已经由现实生活中的医生审查过，但与临床环境不同的是，该机器没有患者病史来指导其诊断。
研究小组发现，他们的人工智能模型可以通过扫描预测乳腺癌，其准确度与放射技师专家相似。
此外，人工智能显示癌症被错误识别的病例比例有所下降——美国和英国分别为 5.7% 和 1.2%。
它还将美国患者的漏诊率降低了 9.4%，英国患者的漏诊率降低了 2.7%。
谷歌健康英国负责人多米尼克·金（Dominic King）告诉法新社：“越早发现乳腺癌，对患者来说就越好。”
“我们以支持专家或患者最终能够从他们所进行的任何诊断中获得最佳结果的方式来思考这项技术。”
计算机“第二意见”
在英国，所有乳房X光检查均由两名放射科医生进行审查，这是一个必要但劳动密集型的过程。
谷歌健康团队还进行了实验，将计算机的决定与第一台人类扫描阅读器的决定进行比较。
如果两个诊断结果一致，则该案例被标记为已解决。只有出现不一致的结果时，机器才会被要求与第二位读者的决定进行比较。
King 和他的团队发表在《自然》杂志上的研究表明，使用人工智能来验证第一位人类专家评审员的诊断可以为第二位临床医生节省高达 88% 的工作量。
“给我找一个国家，在那里你可以找到不忙的护士或医生，”金说。
“这项技术有机会支持（人类）审阅者现有的优质服务。”
肯·杨（Ken Young）是英国癌症研究中心管理乳房 X 光检查收集的医生，他对这项研究做出了贡献。
他说，它的独特之处在于它使用了来自近 30,000 次扫描的现实生活诊断场景。
“我们有一个样本，可以代表所有可能接受乳房筛查的女性，”他说。
“它包括简单的情况、困难的情况以及介于两者之间的所有情况。”
该团队表示还需要进一步研究，但他们希望这项技术有一天能够成为癌症诊断的“第二意见”。
©法新社
