在對數(shù)千張乳房 X 線照片進(jìn)行的一項大型研究中，人工智能 (AI) 算法在預(yù)測五年患乳腺癌風(fēng)險方面優(yōu)于標(biāo)準(zhǔn)臨床風(fēng)險模型。研究結(jié)果發(fā)表在放射學(xué)雜志上。
女性患乳腺癌的風(fēng)險通常使用乳腺癌監(jiān)測聯(lián)盟 (BCSC)風(fēng)險模型等臨床模型進(jìn)行計算，該模型使用患者自我報告的信息和其他信息，包括年齡、家族病史、是否給予出生，以及她是否有致密的乳房——來計算風(fēng)險評分。
“臨床風(fēng)險模型取決于從不同來源收集信息，這些信息并不總是可用或收集的，”首席研究員、北加州 Kaiser Permanente 的研究科學(xué)家和執(zhí)業(yè)放射科醫(yī)生 Vignesh A. Arasu 醫(yī)學(xué)博士說。“人工智能深度學(xué)習(xí)的最新進(jìn)展使我們能夠提取成百上千種額外的乳腺 X 線攝影特征。”
在回顧性研究中，Arasu 博士使用了與 2016 年在北加州 Kaiser Permanente 進(jìn)行的陰性(未顯示明顯的癌癥證據(jù))篩查 2D 乳房 X 線照片相關(guān)的數(shù)據(jù)。在 2016 年篩查的 324,009 名符合資格標(biāo)準(zhǔn)的女性中，隨機分組選擇了 13,628 名女性進(jìn)行分析。此外，還研究了資格池中所有 4,584 名在 2016 年原始乳房 X 光檢查后五年內(nèi)被診斷出患有癌癥的患者。所有女性都被追蹤到 2021 年。
“我們從 2016 年進(jìn)行的全年篩查乳房 X 線照片中進(jìn)行選擇，因此我們的研究人群代表了北加州的社區(qū)，”Arasu 博士說。
研究人員將五年研究期分為三個時間段：間隔癌癥風(fēng)險，即 0 至 1 年之間診斷出的癌癥;未來的癌癥風(fēng)險，或在一到五年內(nèi)診斷出的新發(fā)癌癥;以及所有癌癥風(fēng)險，或 0 至 5 歲之間診斷出的癌癥事件。
使用 2016 年篩查乳房 X 線照片，五年期間的乳腺癌風(fēng)險評分由五種人工智能算法生成，包括研究人員使用的兩種學(xué)術(shù)算法和三種商用算法。然后將風(fēng)險評分相互比較并與 BCSC 臨床風(fēng)險評分進(jìn)行比較。
“在預(yù)測 0 至 5 年的乳腺癌風(fēng)險方面，所有五種人工智能算法的表現(xiàn)都優(yōu)于 BCSC 風(fēng)險模型，”Arasu 博士說。“這種在五年期間的強大預(yù)測性能表明人工智能正在識別遺漏的癌癥和有助于預(yù)測未來癌癥發(fā)展的乳腺組織特征。乳房 X 線照片中的某些東西使我們能夠追蹤乳腺癌的風(fēng)險。這是人工智能的“黑匣子”。 “
標(biāo)簽：
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！