一项新的研究发现，结合大约一百万张乳腺X线摄影图像进行训练的人工智能工具，与放射线医师分析相结合，可以以大约90%的准确率识别出乳腺癌。
这项研究检查了一种类型的人工智能(AI)(一种机器学习计算机程序)为诊断14位放射线医师检查720 幅乳腺X线照片所达到的诊断价值的能力。
纽约大学格罗斯曼医学院放射学系助理教授，高级研究作者Krzysztof Geras说：“我们的研究发现AI在放射科医生无法识别的数据中识别出与癌症相关的模式，反之亦然。”
“人工智能检测到人眼看不见的组织中像素级的变化，而人类则使用了人工智能无法获得的推理形式，”数据科学中心的附属教师杰拉斯补充道。“我们工作的最终目标是增加而不是替代人类放射科医生。”
2014年，美国的女性(无症状)接受了超过3,900万例的乳房X线检查，以筛查乳腺癌并确定是否需要进行更深入的随访。将其检查结果显示出异常的乳房X线检查结果的女性进行活检，该活检是从乳房组织中取出少量样本进行实验室检查的过程。
在这项新研究中，研究团队设计了统计技术，使他们的程序可以“学习”如何更好地完成一项任务，而无需确切地告诉他们如何做。这样的程序会建立数学模型，从而能够根据输入的数据示例进行决策，并且随着程序查看越来越多的数据，该程序将变得“更智能”。
从人脑中汲取灵感的现代AI方法使用复杂的电路来分层处理信息，每个步骤将信息馈送到下一个步骤，并在此过程中或多或少地为每条信息分配重要性。
本研究的作者在许多与过去进行的活检结果相匹配的图像上训练了他们的AI工具。他们的目标是使该工具能够帮助放射科医生减少向前发展所需的活检数量。Geras说，这只能通过提高医师对筛查检查的评估准确性的信心(例如，减少假阳性和假阴性结果)来实现。
对于当前的研究，研究团队分析了七年来作为常规临床护理的一部分而收集的图像，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，这项工作为他们的AI工具创建了一个非常庞大的数据集，供其进行训练，其中包括229,426次数字筛查乳房X线检查和1,001,093张图像。迄今为止，研究人员在研究中使用的大多数数据库仅限于10,000张或更少的图像。
因此，研究人员通过对神经网络进行编程来训练他们的神经网络，以分析来自已经确定了癌症诊断的数据库中的图像。这意味着研究人员在测试工具的准确性时就知道了每个乳房X线照片(无论是否癌症)的“真相”，而工具却不得不猜测。研究人员测量了正确预测频率的准确性。
此外，研究人员设计了AI研究模型，首先要考虑全分辨率图像的很小部分，以创建热图，即疾病可能性的统计图。然后，程序会考虑整个乳房的与癌症相关的结构特征，并更加注意像素级热图中标记的区域。
研究人员没有发现研究人员为其AI寻找图像特征，而是自行发现哪些图像特征可提高预测精度。展望未来，该团队计划通过在更多数据上训练AI程序来进一步提高这种准确性，甚至可能识别尚未癌变但有潜力的乳房组织变化。
“在诊断放射学领域向AI支持的过渡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，并在注重安全的同时改进系统，”第一作者Nan Wu表示，他是博士论文的作者。数据科学中心。