乳腺癌是美國女性僅次於癌症的死亡原因。據估計,於2015年就已有約 32, 000名婦女被診斷患有乳腺癌,約 40 000 人死於這種疾病。雖然像Mammography(乳房X光)這種技術已經開始廣泛的使用,於2014年美國就已進行了約3900多萬次乳腺癌篩查,然而它們的成效並不總是100%準確。接受乳房X光檢查的婦女中,約有10% 至15% 的人因第一次檢驗未有成效而要再接受檢查。
幸好的是,在AI人工智能的幫助下,麻省理工學院電腦科學和人工智智實驗室 (MIT’s Computer Science and Artificial Intelligence Laboratory, CSAIL)和麻省總醫院( Massachusetts General Hospital)的科學家們找到了一個更一致、更可靠的篩查程式。在醫學雜誌《放射學》雜誌上發表的一篇新論文中,研究團隊描述了一種機器學習模型。這個模型可以從乳房x光檢查中預測患者於未來最多5年內是否有可能患上乳腺癌的可能性.
研究團隊的成果是建基於谷歌人工智能 (Google ai) 和 Google子公司Alphabet 的 Deepmind基礎上。Google AI在10月份表示,它們已經成功開發出了一種高達成功率99%的轉移性乳腺癌檢測模型。而Deepmind則於於去年與倫敦學院在CT掃描中展示了 「近乎人類的表現」的AI 系統。另外,紐約大學的科學家最近亦提供了一種接受了超過20萬次乳房 x 光檢查的乳腺癌篩查模型;哈佛醫學院的一個研究小組設計了能夠檢測癌症基因缺陷的人工智能。
研究負責人Regina Barzilay指「我們可以圍繞女性患癌症的風險進行個人化篩查。例如,醫生可能會建議一組女性每隔一年做一次乳房X光檢查;而另一組高危人群可能需要接受補充性核磁共振檢查。」
正如哈佛大學教授Constance Lehman所解釋,大多數乳腺癌檢測模型都會著重一系列危險因素,如年齡、乳腺癌或卵巢癌的家族史、荷爾蒙和生殖因素以及乳房密度。然而,其中一些因素與乳腺癌的關連較低,或會影響模型的準確性。
Regina Barzilay指,乳房X光檢查可以奠定基礎,並找出患心血管疾病或其他癌症等其他健康問題風險較大的患者。「通過預測未來誰會患上癌症,我們希望能在症狀出現之前防止其患上癌症。」
研究人員將今後的工作應用於其他疾病的模型。
Source : Radiology