{vembed Y=urJ7QEdhP_U}
一項新的研究發現，結合大約一百萬張乳腺X線攝影圖像進行訓練的人工智能工具，與放射線醫師的分析相結合，可以以大約90％的準確率識別出乳腺癌。
這項研究檢查了一種類型的人工智能（AI）（一種機器學習計算機程序）為診斷增加價值的能力，這是由14位放射科醫生在審查720時得出的結論 乳房X光檢查 圖片。
“我們工作的最終目標是增加而不是替代人類放射科醫生。”
紐約大學格羅斯曼醫學院放射學系助理教授，高級研究作者Krzysztof Geras說：“我們的研究發現AI在放射科醫生無法識別的數據中識別出與癌症相關的模式，反之亦然。”
“人工智能檢測到人眼看不見的組織中像素級的變化，而人類則使用了人工智能無法獲得的推理形式，”數據科學中心的附屬教師杰拉斯補充道。 “我們工作的最終目標是增加而不是替代人類放射科醫生。”
2014年，美國的女性（無症狀）接受了超過39萬例的乳腺X線檢查，以篩查乳腺癌並確定是否需要進一步隨訪。 測試結果導致乳房X光檢查結果異常的女性 活檢，該程序可去除一小部分乳腺組織以進行實驗室測試。
AI工具學會了預測哪些病變可能是惡性的（紅色熱圖）或可能是良性的（綠色熱圖），並有可能幫助放射科醫生診斷乳腺癌。 （圖片來源：紐約大學醫學院）
在這項新研究中，研究團隊設計了統計技術，使他們的程序可以“學習”如何更好地完成一項任務，而無需確切地告訴他們如何做。 這樣的程序會建立數學模型，從而能夠根據輸入的數據示例進行決策，並且隨著程序查看越來越多的數據，該程序將變得“更智能”。
從人腦中汲取靈感的現代AI方法使用複雜的電路來分層處理信息，每個步驟將信息饋入下一步驟，並在此過程中或多或少地為每條信息分配重要性。
本研究的作者在許多與過去進行的活檢結果相匹配的圖像上訓練了他們的AI工具。 他們的目標是使該工具能夠幫助放射科醫生減少向前發展所需的活檢數量。 Geras說，這只能通過提高醫生對篩查檢查評估準確性的信心來實現（例如，減少 假陽性 和假陰性結果）。
對於當前的研究，研究團隊分析了七年來作為常規臨床護理一部分收集的圖像，篩選收集的數據並將這些圖像與活檢結果聯繫起來。 這組作者說，這項工作為他們的AI工具創建了一個非常龐大的數據集，供其進行訓練，包括229,426次數字篩查乳腺攝影檢查和1,001,093張圖像。 迄今為止，研究人員在研究中使用的大多數數據庫僅限於10,000張或更少的圖像。
因此，研究人員通過對神經網絡進行編程來訓練他們的神經網絡，以分析來自已經確定了癌症診斷的數據庫中的圖像。 這意味著研究人員在測試工具的準確性時就知道了每個乳房X線照片（無論是否癌變）的“真相”，而工具卻不得不猜測。 研究人員測量了正確預測頻率的準確性。
此外，研究人員設計了AI研究模型，首先要考慮全分辨率圖像的很小部分，以創建熱圖，即疾病可能性的統計圖。 然後，程序會考慮整個乳房的與癌症相關的結構特徵，並更加註意像素級熱圖中標記的區域。
研究人員並沒有發現研究人員為其AI尋找圖像特徵，而是自行發現哪些圖像特徵可以提高預測精度。 展望未來，該團隊計劃通過在更多數據上訓練AI程序來進一步提高這種準確性，甚至可能識別尚未癌變但有潛力的乳房組織變化。
“向診斷放射學領域的AI支持過渡應像採用自動駕駛汽車一樣緩慢而謹慎地進行，建立信任，並在關注安全性的同時改進系統，”第一作者Nan Wu表示，他是博士論文的作者。數據科學中心。
該研究出現在 IEEE醫學影像交易.
關於作者
高級研究作者Krzysztof Geras是紐約大學格羅斯曼醫學院放射科的助理教授。
其他合著者來自紐約大學，紐約州立大學州立醫學院，劍橋大學和雅蓋隆大學。
對這項工作的支持部分來自美國國立衛生研究院。 本研究中使用的模型已提供給該領域以推動創新。
相關書籍：
身體記錄分數：創傷癒合中的大腦和身體
作者：Bessel van der Kolk
這本書探討了創傷與身心健康之間的聯繫，提供了治療和恢復的見解和策略。
呼吸：失落藝術的新科學
通過詹姆斯·內斯特
這本書探討了呼吸的科學和實踐，提供了改善身心健康的見解和技巧。
植物悖論：導致疾病和體重增加的“健康”食品中的隱患
通過 Steven R. Gundry
這本書探討了飲食、健康和疾病之間的聯繫，提供了改善整體健康狀況的見解和策略。
免疫密碼：真正健康和徹底抗衰老的新範式
喬爾·格林
這本書提供了一個關於健康和免疫的新視角，借鑒了表觀遺傳學的原理，並提供了優化健康和衰老的見解和策略。
完整的禁食指南：通過間歇性、隔日和延長禁食來治愈您的身體
作者：Jason Fung 博士和 Jimmy Moore
本書探討了禁食的科學和實踐，提供了改善整體健康和保健的見解和策略。
