據(jù)統(tǒng)計，僅在美國，每年就有40000名婦女死于乳腺癌。乳腺癌早期發(fā)現(xiàn)時，往往是可以治愈的。乳房X光檢查是好的檢查，但它們?nèi)匀徊煌晟疲鶎?dǎo)致假陽性結(jié)果，可能帶來不必要的活檢和手術(shù)。

乳腺癌假陽性的一個常見原因是所謂的“高危”病變，在乳房X光片上出現(xiàn)可疑，在針刺活檢檢查時細(xì)胞異常。在這種情況下，病人通常會接受手術(shù)來切除病變，然而，在手術(shù)的90%次中，這些病變都是良性的。這意味著每年有數(shù)千名女性接受痛苦、昂貴的手術(shù)，而這些手術(shù)卻是不必要的。

怎樣在癌癥檢測中消除不必要的手術(shù)？

那么，怎樣才能在保持乳房X光在癌癥檢測中保持重要作用的同時，消除不必要的手術(shù)呢？麻省理工學(xué)院計算機(jī)科學(xué)和人工智能實(shí)驗(yàn)室、馬薩諸塞總醫(yī)院和哈佛醫(yī)學(xué)院的研究人員相信，答案是轉(zhuǎn)向人工智能(AI)。作為第一個將人工智能應(yīng)用于改進(jìn)檢測和診斷的項(xiàng)目，研究小組合作開發(fā)了一個人工智能系統(tǒng)，利用機(jī)器學(xué)習(xí)來預(yù)測乳房X光檢查后在針刺活檢中發(fā)現(xiàn)的高危病變是否會發(fā)展為乳腺癌。

當(dāng)在335個乳腺癌高危病變上測試時，該模型正確地診斷出97%例乳腺癌為惡性，與現(xiàn)有的治療方法相比，良性手術(shù)的數(shù)量減少了30%以上。研究人員表示：“因?yàn)樵\斷工具是如此不精確，有一種可以理解的傾向，當(dāng)數(shù)據(jù)有如此多的不確定性時，機(jī)器學(xué)習(xí)正是我們需要改進(jìn)檢測和防止過度處理的工具。”該模型通過對600多個現(xiàn)有高危病變信息的培訓(xùn)，在許多不同的數(shù)據(jù)元素中尋找模式，其中包括人口統(tǒng)計學(xué)、家族史、過去的活檢和病理報告。

研究人員指出：“據(jù)我們所知，這是將機(jī)器學(xué)習(xí)識別高危病變，需要確定不需要手術(shù)人群的第一項(xiàng)研究，我們相信這將有助于婦女對她們的治療作出更明智的決定，并且可以提供更具針對性的保健方法。”

這篇文章發(fā)表在《醫(yī)學(xué)放射學(xué)》雜志上。當(dāng)乳房X光檢測可疑病灶，針穿刺活檢來確定它是否是癌癥。大約70%的病變是良性的，20%是惡性的，10%是高風(fēng)險的。醫(yī)生以不同的方式管理乳腺癌高危病變。有的還做了手術(shù)，在所有的情況下，其他人只對有較高的癌癥發(fā)病率的病變進(jìn)行手術(shù)，如“非典型導(dǎo)管增生（ADH）”或“小葉原位癌（LCIS）”。

然而高危病變絕大多數(shù)患者沒有乳腺癌，在這種情況下，我們必須找到更加精準(zhǔn)的方法來幫助真正需要接受乳腺癌治療的患者。