声明:本文来自于微信公众号 新智元，作者:新智元，授权站长之家转载发布。
【新智元导读】科学家正在通过AI的力量，改变乳腺癌的现状。
在全球范围内[]，每年有超过[]60万名女性[]因乳腺癌而无[]法存活。
美国有八分之一的女性一生中会被诊断出患有乳腺癌。
这些数字听起[]来很可怕，但[]并非毫无希望[]。
当处于最早的[]局部阶段时，[]5年相对生存[]率为99%。[]近年来，早期[]检测和治疗方[]法的进步显著[]提高了乳腺癌[]的生存率，目[]前美国有超过[]400万乳腺[]癌幸存者。
AI，就是这[]项进步背后的[]一个重要推动[]性力量。
近日，Sci[]ence在X[]上连发多篇帖[]子，展现了A[]I在乳腺癌检[]测方面的应用[]潜力。
「人工智能提前5年检测出乳腺癌」。
这条推文不仅[]得到了Lec[]un的转发，[]也引发了大量[]网友的讨论。[]
AI对人类社会的影响，绝不只有当下大热的生成式AI，更可能「going to save lives」，为人类减少病痛，带来福祉。
MIT CSAIL实验室和Jameel Clinic的科学家创建了一个深度学习系统「Mirai」，可以根据传统的乳房X光检查来预测乳腺癌风险。
论文地址:h[]ttps:/[]/www.s[]cience[].org/d[]oi/10.[]1126/s[]citran[]slmed.[]aba437[]3
「Mirai[]」标志着向个[]性化癌症筛查[]和更好的患者[]治疗结果迈出[]了重要一步。[]
Mirai:[]更早发现乳腺[]癌 减少筛查伤害[]
乳房X光检查[]（Mammo[]gram）用[]于检测没有乳[]腺癌体征或症[]状的女性的乳[]房变化。
世界各地的卫[]生组织支持M[]ammogr[]am筛查以实[]现早期癌症检[]测，并且它已[]经证明了其价[]值，可将死亡[]率降低20-[]40%。
虽然这是一个用于早期检测的最佳工具，但有很多亟待改进的地方:假阳性、假阴性、图像解读中的人为差异以及缺乏专业放射科医生……
而Mirai[]作为一个深度[]学习系统，可[]以借助人工智[]能的力量来预[]测乳腺癌的形[]成，它包括三[]项关键创新:[]
- 时间点联合建[]模
- 非图像风险因[]素的选择性使[]用
- 确保跨临床环[]境中性能一致[]性
这使得Mir[]ai能够提供[]准确的风险评[]估，并适应不[]同的临床环境[]。
Mirai不[]仅可预测患者[]在未来不同时[]间点的风险，[]还可纳入年龄[]和家族史等临[]床风险因素（[]如果有的话）[]。
此外，它还能[]在微小的临床[]差异（如不同[]的乳腺X射线[]照相设备）情[]况下保持稳定[]的预测结果。[]
该模型很有前[]途的一点在于[]，它能够适用[]于不同人种。[]
Mirai对白人和黑人女性的准确率相当，鉴于黑人女性的乳腺癌死亡率比白人妇女高出43%，这是一项重大进步。
大规模验证
为了将基于图像的风险模型整合到临床护理中，研究人员需要对算法进行改进，并在多家医院进行大规模验证。
研究小组利用麻省总医院（MGH）的20万多份检查结果对Mirai进行了训练，并利用麻省总医院、瑞典卡罗林斯卡研究所和台湾长庚纪念医院的数据对其进行了验证。
现在安装在M[]GH的Mir[]ai在预测癌[]症风险和识别[]高危人群方面[]的准确性明显[]高于以前的方[]法。
它的表现优于[]Tyrer-[]Cuzick[]模型，识别出[]的未来癌症诊[]断数量几乎是[]Tyrer-[]Cuzick[]模型的两倍。[]
而且，在不同[]种族、年龄组[]、乳房密度类[]别和癌症亚型[]中，Mira[]i 都能保持准确[]性。
CSAIL博士生、论文的第一作者Adam Yala说，「改进后的乳腺癌风险模型能够实现有针对性的筛查策略，与现有指南提供的方法相比，可以更早发现乳腺癌并减少筛查伤害。」
该团队正与来[]自全球不同机[]构的临床医生[]合作，在不同[]人群中进一步[]验证该模型，[]并研究其临床[]实施情况。
目前，研究人[]员正在改进M[]irai，利[]用患者的完整[]影像病史，并[]结合断层合成[]等先进筛查技[]术。
这些改进措施[]可以完善风险[]筛查指南，为[]高风险人群提[]供更敏感的筛[]查，同时减少[]其他不必要的[]程序。
将AI应用于[]乳腺癌检测的[]更多研究
不止Mira[]i，Scie[]nce还推荐[]了有关AI检[]测乳腺癌的更[]多研究。
为了提高乳腺癌的生存率，研究人员设计了一种可穿戴超声波设备，可以让患者在早期阶段检测到肿瘤，这项研究同样来自MIT。
麻省理工学院[]工程学院院长[]Ananth[]a Chandr[]akasan[]、电子工程和[]计算机科学教[]授Vanne[]var Bush，以[]及一位该研究[]作者说道:
「这项工作将[]利用材料、低[]功耗电路、人[]工智能算法和[]生物医学系统[]方面的进步，[]极大地推动超[]声波研究和医[]疗设备设计。[]」
「并且为乳腺[]癌的检测和早[]期诊断提供了[]一项基本能力[]，而这是取得[]积极疗效的关[]键。」
除此之外，此前《纽约时报》有过一则「AI检测出了医生遗漏的乳腺癌」的相关报道。
报道称，匈牙[]利已成为人工[]智能软件发现[]癌症的主要试[]验场，医生们[]正在争论这项[]技术是否会取[]代他们的医疗[]工作。
2016年，世界领先的人工智能研究人员之一Geoffrey Hinton认为，该技术将在五年内超越放射科医生的技能。
「我认为，如[]果你是一名放[]射科医生，你[]就像动画片里[]的Wile E. Coyote[]」，他在20[]17年对《纽[]约客》说。
「你已经在悬[]崖边上了，但[]你还没有往下[]看，下面是看[]不到地面的深[]渊。」
Hinton[]所言非虚，在[]Scienc[]e发布的推特[]中，就有一篇[]研究发现，使[]用人工智能的[]医生比不使用[]人工智能的医[]生更容易发现[]乳腺癌。
这项研究表明[]，人工智能还[]能自动处理一[]半以上的扫描[]，大大减轻放[]射科医生的工[]作量。
将研究推向市[]场
Scienc[]e在X上还特[]别提到了一个[]人——Dr.[] Connie[] Lehman[]。
Connie[] Lehman[]是哈佛医学院[]放射学教授兼[]马萨诸塞州总[]医院放射专家[]，也是本文开[]头具有奠基性[]作用的论文的[]合著者。
她早在199[]8年开始从事[]计算机辅助设[]计 （CAD） 工作时，就对[]其改善乳腺癌[]检测的潜力感[]到兴奋。
她坚信CAD[]技术将帮助放[]射科医生发现[]更多癌症、实[]现早期诊断，[]并有可能产生[]更高的治愈率[]。
但故事并没有[]像她想象的那[]样结束。
「虽然实验室[]的研究发现C[]AD可以发挥[]作用，但它并[]没有在临床上[]产生我们所希[]望的影响。」[]
Lehman[]回忆道，「但[]我谨慎乐观地[]认为，新的人[]工智能模型将[]更成功地利用[]计算机的力量[]来增强成像的[]影响。」
如今的Leh[]man正在将[]Mirai背[]后的技术推向[]市场，创办了[]Clairi[]ty。
Clairity致力于利用人工智能的进步让医学图像释放出新的见解，准确地识别出那些患癌症风险最高的人。
值得一提的是，Dr.Lehman对自己的研究成果相当低调，这个消息还是Lehman的儿子透露给Science的。
后来又获得了[]Scienc[]e的转发。
并写下了「AI CAN BE GOOD!」这样令人充满期冀的文字。
评论区
提示：本文章评论功能已关闭