您现在的位置是:首页 >新闻频道 > 医学前沿 > 2019-12-18 15:40:40

新型AI可改善乳腺癌风险预测

瑞典的一组研究人员建立了一种新型的人工智能(AI),可以识别罹患乳腺癌的风险增加的女性。该研究已于本月发表在《放射学》杂志上,描述了该技术的开发方式,该技术经过测试表明其比当前可用的预测模型更有效。

这项创新是在几个月前,一个美国团队创建了一种深度学习算法,该算法依靠机器学习以“端到端”的培训方法以惊人的精度筛查乳房X光照片。

该团队对他们所取得的成就将对未来的乳腺癌诊断产生影响充满信心。它提供了一种方法,该方法可以实现高水平的诊断准确性,并通过自动深度学习技术来减少对乳腺X线检查的假阳性和假阴性结果。

与美国团队相似,瑞典团队认识到当前的乳腺癌筛查方法并非最佳方法,可以利用AI和机器学习对此进行重大改进。

当前,典型的乳腺癌筛查方法包括定期进行乳房X光检查。但是,这采取了“千篇一律的方法”,这意味着无法为妇女提供量身定制的方法,这些方法在她们的独特情况下最适合她们。

在斯德哥尔摩Karolinska研究所的Karin Dembrower博士的带领下,研究团队希望使用AI来建立一种具有更高风险评估准确性的新型筛查程序。筛查的可靠性和准确性是提高对这些程序的出勤率和信心的关键因素,这本身可能会影响该程序的有效性。

该团队认识到,乳房X线照片收集了大量有价值的数据,这些数据并未得到充分利用。该方法评估了与脂肪相比腺体和结缔组织的比例,脂肪是已知患乳腺癌的危险因素。

但是,当前模型并未充分利用此数据。研究人员决定开发一种方法,该方法可以充分利用这些数据告诉她们的信息,从而帮助确定哪些妇女将从额外的MRI扫描中受益。

开发了深度神经网络以创建乳腺癌的新风险模型。该网络具有从乳房X线照片中提取前所未有的数据的能力。

以前的图像通常会由放射科医生进行研究,由于解释并存在局限性,因为图像无法捕获所有与风险相关的信息,因此会留出错误的余地。

另一方面,开发新模型的目的是要学习从2008年至2012年进行的2,000例乳房X线照片所捕获的数据。该网络能够使用这些图像中的信息以及所研究的妇女健康旅程结果的数据建立一种检测将来可能患乳腺癌的高风险女性的方法,从而成功降低了假阴性率。

与基于密度的传统模型的比较表明,神经网络更为有效。这项研究支持AI在乳腺癌诊断中的未来应用。它还表明了AI在增强和优化当前临床方法以改善乳腺癌,还有其他类型的癌症和其他疾病的预后方面的广泛应用。

参与该项目的科学家们看到他们的模型被用于未来的乳腺癌筛查过程。他们肯定,随着网络暴露给越来越多的数据,可以进一步改进该方法。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。

相关文章