图片来源：Pixabay
来自谷歌、美国西北大学（Northwestern University）与英国三所医学机构的研究人员通力合作，创建出一个AI模型，可在乳房X光检查中更准确地识别乳腺癌，表现优于人类专家。
相比放射科医师，这款AI模型不仅能更高频地识别乳腺癌案例，而且报告的假阳性更低，且在国际性测试中也是如此。考虑到各国间数据集的不一致性，少有AI能经受住国际性数据的考验。研究发表于《自然》杂志上。
“这个结果非常漂亮，”斯克里普转化科学研究所（Scripps Translational Science Institute）主任Dr. Eric Topol告诉STAT，“AI的表现虽然还没有达到我们的预期，但已大有进步。”
解读乳腺癌信号既是一门科学，也是一门艺术：只有经验丰富的放射科医师能从一系列黑白模糊的乳房X光片中，区分出一簇簇健康组织与一团团有害肿块。
但即使是经过专业训练的眼睛也会出错。美国肿瘤协会数据显示，临床医师漏检了约20%的乳腺癌病例。同时对于每年接受乳房X光检查的美国女性而言，十年中约有半数健康受检者曾被误认为可能患有乳腺癌。
放眼全球，职业倦怠及区域性的人手短缺也在不断增加放射科医师的压力。AI也许永远无法取代人类专家，至少在乳腺癌这种复杂而精细的医学领域不会。恰恰相反，放射科医师也许能以AI为辅助工具，在乳腺扫描检查中参考AI给出的意见，最终作出自己的解读。
“我从不认为AI算法会取代放射科医师或其他医师……只要该领域仍需要创造性思维，这就不会发生。”加州大学旧金山分校（University of California, San Francisco）放射学及生物医学成像乳腺成像主任Dr. Bonnie Joe告诉STAT。
图片来源：Pixabay
这款新AI由Google Health及其英国子公司DeepMind共同开发。除来自西北大学的专家外，他们还与两所英国机构的放射医学研究者合作，分别是帝国理工学院癌症研究中心（Cancer Research U.K. Imperial Centre）和皇家萨里郡医院（Royal Surrey County Hospital）。
研究人员使用英国及美国共约91000名女性患者的乳腺癌扫描临床数据进行算法训练。所有扫描片子都被抹去了姓名、出生日期等身份信息，以确保匿名性。所使用的乳腺癌诊断病例均由组织活检确认。
之后，研究人员使用另一组来自这两个国家的几千名女性的乳腺扫描片进行算法测试。
美国女性每年接受一次乳腺癌筛查，而英国女性每三年接受一次筛查。相比这两个国家的标准临床实践，算法结果的假阳性率分别降低6%与1%，而假阴性率分别降低9%与3%。
A组：6位人类专家漏检、AI检出的癌症病例；B组：6位人类学家检出、AI漏检的癌症病例。
在研究的第二环节，研究人员使用英国数据集进行算法训练，再使用美国数据集进行算法测试。结果显示，AI算法的表现还是优于临床标准操作。
最终环节是对500份来自美国测试集的病例进行解读，在这场与6位放射科医师的比赛中，AI算法胜出。
“我们相信这仅仅是开始，”谷歌研究者、该文章共同作者Daniel Tse表示。
重要的是，正如研究发现，AI能识别被人类专家遗漏的乳腺癌病例，人类专家也会指出被AI错过的病例。研究者尚不能准确解释其背后的原因，但他们对此并不感到意外。“有些事是模型与技术非常擅长的，同时有些事是放射科医师花了一辈子去研究且非常擅长的，”Tse解释道。
研究结果显示，在人眼难以辨别的浸润型癌症方面，AI存在显著优势。尚未观察到与人类专家擅长案例相关的特征。
谷歌研究者和外界专家都不认为这样的AI工具可被单独使用，但这并不等于没有现实意义。“怎样的患者会相信一个AI算法，而不需要专业放射科医师或医生的意见？”Topol说，“我认为二者的有机结合将会为患者提供最佳答案。”
作者：Erin Brodwin
翻译：严冰冰
审校：戚译引
引进来源：STAT News
本文来自：中国数字科技馆
特别声明：本文转载仅仅是出于科普传播信息的需要，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、网站或个人从本网站转载使用，须保留本网站注明的“来源”，并自负版权等法律责任；作者如果不希望被转载或其它相关事宜，请与我们接洽。
[责任编辑：环球科学]
京公网安备11010502039775号
