美国麻省总医院和麻省理工学院最新研究：人工智能可提前五年预测乳腺癌风险

美国麻省总医院和麻省理工学院的研究人员近期创建了一种新的人工智能模型，可以提前五年预测女性患乳腺癌的风险。

更重要的是，这一深度学习（DL）模型的准确率也适用于不同种族的女性，这是以往预测工具无法做到的。如果该模型顺利通过验证并广泛投入使用，将显著改善当前的风险评估策略。

这一研究收集了来自40000名不同种族女性的88994张连续乳腺X光片，并将它们分为三组：试验组（71689张），验证组（8554张）和测试组（8751张），并根据患者的调查问卷和电子病历，开发了三组人工智能模型：基于传统风险因子的逻辑回归模型（RF-LR）；仅以乳腺X光片为学习对象的深度学习模型（仅使用图像进行深度学习）；以及结合两者的混合模型。

为考量三组新建模型预测结果的准确性，研究人员将目前被广泛应用于乳腺癌风险评估的第八代Tyrer-Cuzick模型作为对比项。

从研究结果来看，在混合模型归纳的高风险人群中，有31%的人在多年后检测出患有乳腺癌，而Tyrer-Cuzick模型预测成功率仅有18%。此外，混合模型对各种族女性患乳腺癌风险的预测结果同样准确。

但研究人员表示，在混合模型投入应用之前仍需面对人工智能模型常见的黑箱问题，还要经过多个机构和供应商的验证。

顺利通过验证后，这些模型或许可以取代传统的风险因子，对女性患乳腺癌的风险做出更精准的判断，最终实现更个性化的乳腺癌护理方式。

“放射学家自20世纪60年代以来就注意到，从乳房X光片上可以看出，女性的乳腺组织模式非常独特且各不相同。”麻省总医院乳腺成像主任Constance Lehman表示，“这些模式可能受到各种因素的影响，比如遗传、激素、妊娠、哺乳、饮食、减重和增重等。通过深度学习模型，我们可以利用这些详细信息，在个人层面上实现更加精准的风险评估。”

作者：唐闻佳
编辑：张鹏
责任编辑：唐闻佳

*独家稿件，转载请注明出处。