人工智能可以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

一种 n人工智能（AI）工具（在大约一百万张乳腺X线摄影图像上进行了训练）与放射线医师结合分析时，可以以大约90%的准确率识别出乳腺癌。

由纽约大学医学院和纽约大学数据科学中心的研究人员牵头，这项研究检查了一种AI（一种机器学习计算机程序）为14位放射科医生在审查720条时得出的诊断结果增加价值的能力。乳房X光照片。

“我们的研究发现，人工智能可以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，” 纽约大学朗格诺大学放射学系助理教授Krzysztof J. Geras博士说。

“人工智能检测到人眼看不见的组织中的像素级变化，而人类则使用了人工智能无法获得的推理形式，”纽约大学数据科学中心的附属教员杰拉斯博士补充道。“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，美国进行了超过3900万例乳房X线检查，以筛查女性（无症状）乳腺癌，并确定需要进一步随访的女性。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”。

受人脑启发的现代AI方法使用复杂的电路来分层处理信息，每一步都将信息馈入下一步骤，并在此过程中或多或少地为每条信息分配重要性。

最近由IEEE Transactions on Medical Imaging杂志在线发表，目前的研究作者在与过去进行的活组织检查结果相匹配的许多图像上训练了他们的AI工具。他们的目标是启用该工具，以帮助放射科医生减少向前发展所需的活检数量。Geras博士说，只有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），才能实现这一目标。

对于当前的研究，研究团队分析了在纽约大学朗格医疗中心七年中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。这组作者说，这项工作为他们的AI工具创建了一个非常庞大的数据集，可以对其进行训练，包括229，426次数字化乳腺X线检查和1，001，093张图像。迄今为止，研究中使用的大多数数据库仅限于10，000张或更少的图像。