人工智能与放射学相结合，识别乳腺癌的准确率能达到90％

一项新的研究发现，一种人工智能(AI)工具--接受了大约100万张乳房X线照片筛查的训练--结合放射学家的分析，可以识别出乳腺癌，准确率约为90%。

图源网络

这项研究由纽约大学医学院(NYU School Of Medicine)和纽约大学数据科学中心的研究人员领导，研究了一种机器学习计算机程序--人工智能(AI)--对14名放射科医生在审查720张乳房X光照片时所做诊断的能力。

“我们的研究发现，AI在放射学家无法识别的数据中发现了与癌症有关的模式，反之亦然，”资深研究作者krzysztof j.geras博士说，他是纽约大学兰根分校放射学系的助理教授。

纽约大学数据科学中心(NYU Center For Data Science)的附属教员杰拉斯博士(Dr.Geras)补充道：“人工智能检测到了肉眼看不见的组织中像素级的变化，而人类使用的是人工智能都无法使用的推理形式。”

“我们工作的最终目标是增加，而不是取代人类放射学家。”

图源网络

2014年，美国进行了超过3，900万次乳房X线检查，检查女性(没有症状)是否患有乳腺癌，并确定哪些女性需要更密切的跟踪检查。

检查结果显示乳房X线检查结果异常的妇女被推荐进行活检，这是一种将一小部分乳腺组织样本移除进行实验室检测的方法。

在这项新的研究中，研究小组设计了统计技术，让他们的程序“学习”如何更好地完成一项任务，而不被告知具体的方法。

这些程序建立数学模型，根据输入的数据示例进行决策，程序在审查越来越多的数据时变得“更聪明”。

现代人工智能方法在人脑的启发下，利用复杂的电路对信息进行分层处理，每一步都将信息传递到下一步，并在此过程中对每一段信息都给予或多或少的重视。

“华尔街日报”最近在网上发表了这篇文章I，EEE医学成像交易目前的研究作者在许多图像上训练他们的人工智能工具，这些图像与过去进行的活检结果相匹配。

他们的目标是使这个工具能够帮助放射科医生减少所需的活检数量。

杰拉斯博士说，只有通过提高医生对筛查结果的准确性的信心(例如，减少假阳性和假阴性结果)，这才能实现。

在目前的研究中，研究小组分析了七年来纽约大学Langone Health作为常规临床护理的一部分收集的图像，对收集的数据进行筛选，并将图像与活检结果联系起来。

作者说，这项努力为他们的人工智能工具创造了一个非常大的数据集，包括229，426个数字筛查乳房X光检查和1，001，093幅图像。

到目前为止，研究中使用的大多数数据库仅限于10000幅或以下图像。

因此，研究人员通过编程来训练他们的神经网络来分析已经确定癌症诊断的数据库中的图像。

这意味着研究人员在测试仪器的准确性时，知道了每一张乳房X线摄影图像(不管是否是癌症)的“真相”，而工具必须进行猜测。

用正确预测的频率来测量准确性。

此外，研究人员还设计了人工智能模型，以便首先分别考虑非常小的全分辨率图像的小块来创建一个热图，这是一幅疾病可能性的统计图。

然后，该程序考虑整个乳房与癌症相关的结构特征，更密切地关注像素级热图中标记的区域。

该工具没有让研究人员识别可供人工智能搜索的图像特征，而是自行发现哪些图像特征提高了预测的准确性。

接下来，研究小组计划通过更多的数据训练AI程序来进一步提高这一准确性，也许甚至可以识别那些尚未癌变但有潜力的乳腺组织的变化。

纽约大学数据科学中心(NYU Center For Data Science)博士候选人吴楠(音)说：“在诊断放射学方面，向人工智能支持的转变应该像采用自动驾驶汽车一样缓慢而谨慎地进行，建立信任，并在整个过程中以安全为重点改进系统。”