在美國(guó)，大約12％的女性會(huì)在一生中患上侵襲性乳腺癌，預(yù)計(jì)僅到2020年，就有26．8萬例新病例會(huì)被診斷出來。幸運(yùn)的是，根據(jù)美國(guó)癌癥協(xié)會(huì)的數(shù)據(jù)，5年平均生存率相當(dāng)高，為85－99％，而10年平均生存率可以達(dá)到83％。但和往常一樣，早期檢測(cè)是造成差異的因素。

在本月發(fā)表在《Radiology》雜志上的一篇論文中，位于以色列海法的IBM Research科學(xué)家詳細(xì)描述了一個(gè)人工智能模型，它能夠預(yù)測(cè)患者一年內(nèi)惡性乳腺癌的發(fā)展。同行評(píng)審的結(jié)果表明，他們的系統(tǒng)正確預(yù)測(cè)了癌癥和良性病例的發(fā)展分別為87％和77％。此外，它還接受了包含9611張乳房X光片和健康記錄的新數(shù)據(jù)庫的訓(xùn)練，能夠在48％的人身上識(shí)別出乳腺癌，而其他人則不會(huì)被標(biāo)記出來，其準(zhǔn)確度與放射科醫(yī)生相當(dāng)。

海法團(tuán)隊(duì)的工作建立在IBM蘇黎世辦事處和蘇黎世大學(xué)科學(xué)家進(jìn)行的一項(xiàng)研究的基礎(chǔ)上，該研究構(gòu)建了一個(gè)系統(tǒng)，可以檢測(cè)和分類腫瘤與免疫細(xì)胞以及它們之間的關(guān)系。谷歌、麻省理工學(xué)院和紐約大學(xué)也在努力提高乳腺癌篩查的準(zhǔn)確性。

“有一天，我們的模型可以幫助放射科醫(yī)生確認(rèn)或否認(rèn)乳腺癌陽性病例，”IBM研究員兼論文合著者M(jìn)ichal Chorev在一篇博客文章中寫道�！氨M管假陽性會(huì)造成巨大的壓力和焦慮，但假陰性往往會(huì)妨礙癌癥的早期發(fā)現(xiàn)和隨后的治療�！�

為了編輯一套訓(xùn)練數(shù)據(jù)集，Chorev和同事們收集了與患者電子健康記錄相關(guān)的臨床數(shù)據(jù)和生物標(biāo)志物相關(guān)的已識(shí)別乳腺造影圖像，包括（但不限于）甲狀腺功能、生殖史、白細(xì)胞概況、代謝綜合征和其他信息。他們把這些數(shù)據(jù)——也包括活組織檢查的隨訪、癌癥登記數(shù)據(jù)、實(shí)驗(yàn)室結(jié)果以及各種其他程序和診斷的代碼——輸入到一個(gè)機(jī)器學(xué)習(xí)模型中，該模型映射了臨床危險(xiǎn)因素之間的聯(lián)系，以預(yù)測(cè)活組織惡性腫瘤，并區(qū)分正常和異常篩查檢查。

當(dāng)涉及到乳房X光掃描時(shí)，研究小組主要使用了來自以色列醫(yī)療服務(wù)提供商Maccabi Health Services和Assuta Medical Center的頭蓋骨（CC）和中外側(cè)斜位（MLO）的兩種乳房X光檢查標(biāo)準(zhǔn)視圖，這兩種視圖經(jīng)常在評(píng)估病變時(shí)進(jìn)行比較。最后，他們的數(shù)據(jù)集包含了52936張來自13234名女性的圖像，這些女性在2013至2017年間至少接受了一次乳房X光檢查，并且在乳房X光檢查之前至少有一年的健康記錄。

一種人工智能算法，針對(duì)每個(gè)預(yù)測(cè)任務(wù)對(duì)乳房X光片進(jìn)行訓(xùn)練，并提取這些任務(wù)以及每個(gè)視圖的成像任務(wù)的概率。最后，他們將成像特征以及整個(gè)臨床特征集合連接到一個(gè)單一的患者乳房的表示中。使用單獨(dú)的人工智能模型估計(jì)癌活檢陽性或正常／異常分化的最終概率。

研究人員說，他們的系統(tǒng)推測(cè)出可能導(dǎo)致風(fēng)險(xiǎn)升高的臨床因素，但在之前的研究中沒有使用，如白細(xì)胞概況和甲狀腺功能測(cè)試�！拔覀冇�(jì)劃繼續(xù)分析這些臨床風(fēng)險(xiǎn)因素，以更好地了解它們對(duì)個(gè)人個(gè)性化風(fēng)險(xiǎn)的影響和聯(lián)系，”Chorev補(bǔ)充道。