首页 > 检验医学 >  人工智能技术可提升乳腺癌早期诊断的准确度:减少不必要的手术

人工智能技术可提升乳腺癌早期诊断的准确度:减少不必要的手术

2017-10-19  来源:cnBeta    编辑:akane
导读
麻省理工学院(MIT)计算机科学与人工智能实验室(CSAIL)的研究人员们,就开发出了一套机器学习技术加持的人工智能系统,可用来预测哪部分高危组织最有可能发生癌变。

在被当前在用的诊断工具识别出有癌症高发风险之后,美国每年有近 4 万妇女经受着通过侵入性手术来切除部分乳腺组织的痛苦。然而在这些手术中,大多数组织都是良性的。于是对许多研究人员来说,改进检测和诊断工具,就成为了一个重要的课题。麻省理工学院(MIT)计算机科学与人工智能实验室(CSAIL)的研究人员们,就开发出了一套机器学习技术加持的人工智能系统,可用来预测哪部分高危组织最有可能发生癌变。

 

MIT CSAIL 开发的模型,可以减少假阳性和不必要的手术(via Adam Conner-Simons)


当前阶段,乳房 X 射线照片依然是发现乳腺癌的最重要的诊断工具。在从 X 光片上看到可疑的病变组织之后,随后会安排针刺活检。

一般来说,如果活检发现异常,患者就会被建议手术切除病灶。但在 90% 的情况下,这些疑似病灶组织都是良性的,显得外科手术并没有那么必要。

论文合著者 Regina Barzilay 表示:由于诊断工具的不准确,医生对乳腺癌的过渡筛查呈现出了一种可以理解的趋势。但当数据存在很大的不确定的时候,机器学习就成为了一款改进检测和防止过度医疗的更合适工具。来自 MIT CSAIL、麻省综合医院(MGH)、以及哈佛医学院的研究团队,联手开发了一套机器学习模型,并让它接受了 600 个高风险病灶的分析训练。

在综合了家族遗传史、人口统计、以及过往的组织活检等变量之后,该模型对 335 个病灶(最终升级为癌症的病患)进行了测试,结果诊断准确率达到了 97% 。

这项研究的结论是:在将该机器学习模型引入常规诊断实践后,超过 30% 的良性病灶切除术是可以避免的。有关这项研究的详情,已经发表在近日出版的《放射学》(Radiology)期刊上。

了解更多内容敬请下载"检医通"手机APP。

版权申明:

本网站所有注明“来源:艾兰博曼医学网”的文字、图片和音视频资料,版权均归艾兰博曼医学网所有,欢迎转载,但请务必注明出处“艾兰博曼医学网”,否则将追究法律责任。本网所有注明来源为其他媒体的内容仅出于传递更多信息之目的,版权归原作者所有,不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
原文地址

评 论

登 陆后发表评论