麻省理工学院提前五年预测乳腺癌 降低乳腺癌死亡率

乳腺癌已成为全球女性中，发病和死亡均居于首位的恶性肿瘤。据世界卫生组织统计，全球每年新发乳腺癌病例高达120万左右。

尽管在遗传学和现代医学成像技术都取得了重大进展，但大多数乳腺癌患者的诊断仍然不尽如人意。对于大多数乳腺癌患者来说，确诊时已经为时已晚。尽早的诊断意味着能有及时的治疗，不确定的诊断则意味着要花费更多的医疗费用。因此，乳腺癌的早期发现和早期诊断是一直是乳腺癌研究中的努力方向。

考虑到这一点，麻省理工学院计算机科学与人工智能实验室(CSAIL)和马萨诸塞州综合医院(MGH)的团队创建新的深度学习模型，该模型可以通过乳房X光检查中预测患者在未来五年内是否可能发展成乳腺癌。该模型接受了来自60000多名乳腺癌患者的乳房X线照片的已知结果的培训，学习了乳房组织中恶性肿瘤前兆的细微模式。

虽然，乳房X线照相术已被证明可以降低乳腺癌的死亡率，但仍然存在关于筛查频率和何时开始的争论。麻省理工学院教授Regina Barzilay说：“我们可以根据女性患癌症的风险进行个性化筛选，而不是采取一刀切的方式，医生可能会建议一组女性每隔一年进行乳房X光检查，而另一组高危人群可能会进行磁共振成像检查。”

该团队的模型在预测风险方面明显优于现有方法：该模型能够准确预测最高风险类别中所有癌症患者中的31%，而传统模型仅为18%。

乳腺癌的早期发现和早期合理治疗，可大大延长患者的生存期。该模型通过预测未来谁会发展成癌症，将有望在症状出现之前挽救生命。