圖片：pixabay

IBM Research的研究團隊透過人工智能來解決乳癌早期檢測的成功率。他們開發(fā)了一種算法，是個能透過學習成像數(shù)據(jù)及病患的綜合健康病史并做出決策的模型，能達到令人印象深刻的檢測水平，此外，其檢測成果是非常激勵人心的。該研究發(fā)表在Radiology期刊上。

在IBM Research的官方部落格中，研究人員描述了團隊的目標、貢獻及成果。作為第一個能做出決策的算法，該模型能夠在所有分析中正確預測87%乳癌病例的發(fā)展，并且能正確的解釋77%的非癌癥病例。

在乳房X光片中添加了臨床數(shù)據(jù)顯著增加了模型中AUROC(接收機工作特性下的面積)及其靈活度。將這筆臨床數(shù)據(jù)放到模型中，AUROC值為0.78，與舊有的Gail風險預測模型相比，改善了乳癌的風險預測。此外，還能確認可能導致風險提高的臨床因素，以及之前沒有被其他模型測試過的數(shù)據(jù)，如白血球剖面及甲狀腺的功能測試。

首先，研究團隊假設結合機器學習及深度學習的模型可以應用于評估乳癌，其水平是與放射科醫(yī)生旗鼓相當，并且具有被納入臨床實踐的能力。事實證明，利用AI來預測乳癌的準確度是趨近于放射科醫(yī)師的水平。新的AI模型能以良好的準確度來預測患者惡性乳癌一年內(nèi)的發(fā)展，以減少進行不必要測試的女性患者人數(shù)。

研究人員透過其在以色列的兩個大型醫(yī)療服務供應的合作伙伴Maccabi健康中心及Assuta醫(yī)療中心取得大量的自愿者乳腺X光片圖像及詳細的個人臨床數(shù)據(jù)，對9611個乳房X光片及女性健康紀錄進行算法的訓練，來達到預測惡性的活體組織切片及區(qū)分正常與異常的篩檢成果。

研究團隊表示新的AI模型不會取代放射科醫(yī)師，而是成為第二組眼睛，以便利用其高度準確性的預測來幫助后續(xù)治療。