在对数千张乳房 X 线照片进行的一项大型研究中，人工智能 (AI) 算法在预测五年患乳腺癌风险方面优于标准临床风险模型。研究结果发表在放射学杂志上。
女性患乳腺癌的风险通常使用乳腺癌监测联盟 (BCSC)风险模型等临床模型进行计算，该模型使用患者自我报告的信息和其他信息，包括年龄、家族病史、是否给予出生，以及她是否有致密的乳房——来计算风险评分。
“临床风险模型取决于从不同来源收集信息，这些信息并不总是可用或收集的，”首席研究员、北加州 Kaiser Permanente 的研究科学家和执业放射科医生 Vignesh A. Arasu 医学博士说。“人工智能深度学习的最新进展使我们能够提取成百上千种额外的乳腺 X 线摄影特征。”
在回顾性研究中，Arasu 博士使用了与 2016 年在北加州 Kaiser Permanente 进行的阴性(未显示明显的癌症证据)筛查 2D 乳房 X 线照片相关的数据。在 2016 年筛查的 324,009 名符合资格标准的女性中，随机分组选择了 13,628 名女性进行分析。此外，还研究了资格池中所有 4,584 名在 2016 年原始乳房 X 光检查后五年内被诊断出患有癌症的患者。所有女性都被追踪到 2021 年。
“我们从 2016 年进行的全年筛查乳房 X 线照片中进行选择，因此我们的研究人群代表了北加州的社区，”Arasu 博士说。
研究人员将五年研究期分为三个时间段：间隔癌症风险，即 0 至 1 年之间诊断出的癌症;未来的癌症风险，或在一到五年内诊断出的新发癌症;以及所有癌症风险，或 0 至 5 岁之间诊断出的癌症事件。
使用 2016 年筛查乳房 X 线照片，五年期间的乳腺癌风险评分由五种人工智能算法生成，包括研究人员使用的两种学术算法和三种商用算法。然后将风险评分相互比较并与 BCSC 临床风险评分进行比较。
“在预测 0 至 5 年的乳腺癌风险方面，所有五种人工智能算法的表现都优于 BCSC 风险模型，”Arasu 博士说。“这种在五年期间的强大预测性能表明人工智能正在识别遗漏的癌症和有助于预测未来癌症发展的乳腺组织特征。乳房 X 线照片中的某些东西使我们能够追踪乳腺癌的风险。这是人工智能的“黑匣子”。 “
标签：
免责声明：本文由用户上传，如有侵权请联系删除！