在對數(shù)千張乳房 X 線照片進行的一項大型研究中，人工智能 (AI) 算法在預測五年患乳腺癌風險方面優(yōu)于標準臨床風險模型。研究結果發(fā)表在放射學雜志上。
女性患乳腺癌的風險通常使用乳腺癌監(jiān)測聯(lián)盟 (BCSC)風險模型等臨床模型進行計算，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——來計算風險評分。
“臨床風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 的研究科學家和執(zhí)業(yè)放射科醫(yī)生 Vignesh A. Arasu 醫(yī)學博士說。“人工智能深度學習的最新進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 線照片相關的數(shù)據(jù)。在 2016 年篩查的 324,009 名符合資格標準的女性中，隨機分組選擇了 13,628 名女性進行分析。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 年進行的全年篩查乳房 X 線照片中進行選擇，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：間隔癌癥風險，即 0 至 1 年之間診斷出的癌癥;未來的癌癥風險，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術算法和三種商用算法。然后將風險評分相互比較并與 BCSC 臨床風險評分進行比較。
“在預測 0 至 5 年的乳腺癌風險方面，所有五種人工智能算法的表現(xiàn)都優(yōu)于 BCSC 風險模型，”Arasu 博士說。“這種在五年期間的強大預測性能表明人工智能正在識別遺漏的癌癥和有助于預測未來癌癥發(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險。這是人工智能的“黑匣子”。 “
標簽：
免責聲明：本文由用戶上傳，與本網(wǎng)站立場無關。財經(jīng)信息僅供讀者參考，并不構成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權請聯(lián)系刪除！