研究发现深度学习人工智能更好地预测乳腺癌风险

根据《放射学》杂志上的一项新研究，与常用的临床风险因素相比，一种被称为深度学习的复杂人工智能能更好地区分后来会患乳腺癌和不会患乳腺癌妇女的乳房X光照片。研究人员说，这些发现显示了人工智能作为放射科医生助手的潜力，可以减少不必要的成像和相关费用。

一般建议妇女从40岁开始每年做一次乳房X光检查以筛查乳腺癌。研究表明，乳房X光检查通过减少晚期癌症的发生率来降低乳腺癌的死亡率。乳房X光检查不仅有助于发现癌症，而且还通过测量乳房密度提供了一个衡量乳腺癌风险的标准。虽然乳房X光检查中较密的乳房与较高的癌症风险有关，但还有其他未知因素可能会导致患癌风险。

在一项新研究中，研究人员使用了6369名参加乳房X光筛查妇女的25000多张数字筛查乳房X光照片数据集。其中1600多名妇女患上了筛查发现的乳腺癌，351名妇女患上了间歇性侵入性乳腺癌。研究人员利用这个数据集，对深度学习模型进行了训练，以便在乳房X光检查中找到可能与癌症风险增加有关的细节或信号。当他们测试基于深度学习的模型时，它在评估间隔期癌症风险因素方面表现不佳，但它在确定筛查发现的癌症风险方面表现优于包括乳房密度在内的临床检测。

结果显示人工智能获得的额外信号为筛查发现的癌症提供了更好的风险估计，它帮助医生实现了将妇女分为乳腺癌的低风险或高风险的目标。这些发现对临床实践有重大影响，因为在临床实践中，仅乳房密度就能指导许多管理决策。与其建议明年再来一次筛查，不如将乳房X光检查呈阴性的妇女按风险分为三种，即乳腺癌的低风险、筛查发现的风险升高或未来三年侵入性癌症风险升高。