Anonim
人工智能如何推动乳腺癌预测

乳腺癌是美国女性与癌症相关的死亡的三大原因之一,尽管自1989年以来,乳房X线摄影等检测方法和技术已使死亡率降低了39%,但美国有41, 000多名妇女死于根据Cancer.net,今年的乳腺癌。

但是,由麻省理工学院计算机科学和人工智能实验室(CSAIL)的研究人员开发的新的人工智能模型可以分析乳房X线照片,并可以提前五年预测乳腺癌的风险。

风险模型存在缺陷

早期发现与降低死亡率密切相关,因此该领域的研究集中在尽早发现症状上。

这项研究的共同作者,麻省理工学院(MIT CSAIL)博士生亚当·亚拉(Adam Yala)说:“自80年代末以来,研究人员就一直在建立乳腺癌的风险模型。但是直到最近,科学家对这种疾病的看法才改变了很多。”发表在医学杂志《放射学》上。

先前的风险模型基于各种因素,包括年龄,乳腺癌家族史,乳房密度和遗传因素。 虽然这些模型有助于改善早期发现,但它们错过了许多有关患者的重要数据,因此无法在个人层面提供准确的结果。

“这种方法的问题在于,您在将重要信息汇总到模型中之前就对其进行了汇总,这意味着模型本身并不十分准确,” Yala说。

麻省理工学院CSAIL的科学家与马萨诸塞州总医院(MGH)合作,开发了一种深度学习模型,对60, 000名患者进行了90, 000次全分辨率乳房X线照片扫描,并对其进行了培训,这些患者在过去的几年中进行了各种结果的扫描。

麻省理工学院的深度学习算法发现了乳腺组织中的模式,暗示了患癌症的风险,但对人眼来说太微妙了。 结果,AI可以比人类放射科医生早得多地在X光检查中发现乳腺癌的迹象,这可以减少侵入性治疗并削减医疗费用。

根据这项研究,该模型可以准确预测31%处于最高风险类别的癌症患者。 现有模型的准确性约为18%。

提供个性化护理

基于AI的乳腺癌检测的好处之一就是医生将能够为患者提供个性化的扫描和预防。

麻省理工学院的资深作者,乳腺癌幸存者本人瑞吉娜·巴兹莱教授说:“我们不必采取一刀切的方法,而是可以根据女性罹患癌症的风险进行个性化筛查。” “例如,医生可能建议一组妇女每两年进行一次乳房X线照片检查,而另一组较高风险的妇女则可能需要进行辅助MRI检查。”

“如果对正确的人进行正确的筛查,既可以改善经验并减少乳房X线照相术的危害,又可以尽早发现癌症,这在治疗决策方面将有很大的不同,因为您在早期和晚期所做的工作癌症非常不同。” Yala说。

到目前为止,该模型已被证明在不同种族和不同种族的人群中同样准确。 这是其他风险模型的痛点之一,其风险因人而异。 Yala认为,基于高级表面因素(例如年龄和家族史)的风险模型不能很好地推广。 例如,如果它们是根据白人女性的数据创建的,那么他们在非白人患者中的表现就很差。

“我们的模型基于乳房X线照片中的实际模式。即使在我们的数据集中,非洲裔美国妇女(占整个数据集的5%),该模型在两者上的效果仍然相同。这说明了我的意思是组织信息得到了更多共享,而家族史则可能没有。” Yala说。

有关

  • VA重新任命IBM的Watson对抗癌症VA重新任命IBM的Watson对抗癌症
  • 4个Apple Watch应用程序可帮助您保持心脏健康状况4个Apple Watch应用程序可帮助保持您心脏健康状况
  • 5个惊人的项目,将改变医疗保健的未来5个惊人的项目,将改变医疗保健的未来

研究人员现在正在寻求与更多医院的合作,以研究和服务其他团体,并使该模型更加公平。 他们还将寻求将工作扩展到其他类型的癌症,尤其是那些风险模型不太有效的癌症,例如胰腺癌。

MIT CSAIL的深度学习模型是旨在将人工智能应用于乳腺癌诊断和治疗的几个项目之一。 包括IBM,Google和Alphabet的子公司DeepMind在内的大型科技公司正在与纽约大学和哈佛医学院等大学一起在该领域做出领先的努力。

“我们的目标是使这些进步成为护理标准的一部分,” Yala说。 “通过预测将来谁会患上癌症,我们有望在出现症状之前挽救生命并抓住癌症。”