研究发现深度学习人工智能更好地预测乳腺癌风

根据《放射学》杂志的最新研究，人工智能在区分未来患乳腺癌风险的乳房X光照片方面，表现优于传统的临床风险因素评估方法。这一发现凸显了人工智能作为放射科医生得力助手的潜力，有望减少不必要的成像及相关费用。

通常建议女性从40岁开始每年进行一次乳房X光检查以筛查乳腺癌。乳房X光检查能有效降低晚期癌症的发生率，从而降低乳腺癌的死亡率。除了检测癌症，乳房X光检查还能通过测量乳房密度来衡量乳腺癌风险。即使乳房密度较高的女性，其患癌风险也存在其他未知因素。

在这项新研究中，研究人员使用了来自6369名参与乳房X光筛查女性的25000多张数字筛查乳房X光照片数据集。其中，1600多名女性被筛查出患有乳腺癌，351名女性患有间歇性侵入性乳腺癌。研究人员利用这些真实数据训练深度学习模型，以寻找乳房X光检查中与癌症风险增加相关的细微信号或特征。测试结果显示，该模型在评估筛查发现的癌症风险方面，表现得比仅包括乳房密度在内的临床检测更为出色。

人工智能的额外信号为筛查出的癌症提供了更准确的风险评估。它帮助医生实现了将女性分为乳腺癌低风险或高风险的目标。这一发现对临床实践产生了重大影响。因为在实际操作中，仅依靠乳房密度做出的决策可能存在局限性。与其简单地建议明年再次进行筛查，不如根据人工智能的风险评估，将女性分为乳腺癌低风险、筛查发现的风险升高或未来三年内侵入性癌症风险升高三个类别。

这样，医生可以根据女性的个性化风险等级，制定更为精确和有效的筛查及管理策略。这不仅有助于提高乳腺癌的早诊率，还可以避免对低风险女性进行不必要的频繁检查，从而节省时间和资源。这一突破性的研究为人工智能在医学领域的应用开辟了新的道路，让人们看到了未来医疗技术的无限可能。

【来源Beta.COM】