图片：pixabay

IBM Research的研究团队透过人工智能来解决乳癌早期检测的成功率。他们开发了一种算法，是个能透过学习成像数据及病患的综合健康病史并做出决策的模型，能达到令人印象深刻的检测水平，此外，其检测成果是非常激励人心的。该研究发表在Radiology期刊上。

在IBM Research的官方部落格中，研究人员描述了团队的目标、贡献及成果。作为第一个能做出决策的算法，该模型能够在所有分析中正确预测87%乳癌病例的发展，并且能正确的解释77%的非癌症病例。

在乳房X光片中添加了临床数据显著增加了模型中AUROC(接收机工作特性下的面积)及其灵活度。将这笔临床数据放到模型中，AUROC值为0.78，与旧有的Gail风险预测模型相比，改善了乳癌的风险预测。此外，还能确认可能导致风险提高的临床因素，以及之前没有被其他模型测试过的数据，如白血球剖面及甲状腺的功能测试。

首先，研究团队假设结合机器学习及深度学习的模型可以应用于评估乳癌，其水平是与放射科医生旗鼓相当，并且具有被纳入临床实践的能力。事实证明，利用AI来预测乳癌的准确度是趋近于放射科医师的水平。新的AI模型能以良好的准确度来预测患者恶性乳癌一年内的发展，以减少进行不必要测试的女性患者人数。

研究人员透过其在以色列的两个大型医疗服务供应的合作伙伴Maccabi健康中心及Assuta医疗中心取得大量的自愿者乳腺X光片图像及详细的个人临床数据，对9611个乳房X光片及女性健康纪录进行算法的训练，来达到预测恶性的活体组织切片及区分正常与异常的筛检成果。

研究团队表示新的AI模型不会取代放射科医师，而是成为第二组眼睛，以便利用其高度准确性的预测来帮助后续治疗。