根據(jù)《放射學》雜志上的一項新研究，與常用的臨床風險因素相比，一種被稱為深度學習的復雜人工智能能更好地區(qū)分后來會患乳腺癌和不會患乳腺癌婦女的乳房X光照片。研究人員說，這些發(fā)現(xiàn)顯示了人工智能作為放射科醫(yī)生助手的潛力，可以減少不必要的成像和相關費用。

一般建議婦女從40歲開始每年做一次乳房X光檢查以篩查乳腺癌。研究表明，乳房X光檢查通過減少晚期癌癥的發(fā)生率來降低乳腺癌的死亡率。乳房X光檢查不僅有助于發(fā)現(xiàn)癌癥，而且還通過測量乳房密度提供了一個衡量乳腺癌風險的標準。雖然乳房X光檢查中較密的乳房與較高的癌癥風險有關，但還有其他未知因素可能會導致患癌風險。

[[422476]]

在一項新研究中，研究人員使用了6369名參加乳房X光篩查婦女的25000多張數(shù)字篩查乳房X光照片數(shù)據(jù)集。其中1600多名婦女患上了篩查發(fā)現(xiàn)的乳腺癌，351名婦女患上了間歇性侵入性乳腺癌。研究人員利用這個數(shù)據(jù)集，對深度學習模型進行了訓練，以便在乳房X光檢查中找到可能與癌癥風險增加有關的細節(jié)或信號。當他們測試基于深度學習的模型時，它在評估間隔期癌癥風險因素方面表現(xiàn)不佳，但它在確定篩查發(fā)現(xiàn)的癌癥風險方面表現(xiàn)優(yōu)于包括乳房密度在內(nèi)的臨床檢測。

結果顯示人工智能獲得的額外信號為篩查發(fā)現(xiàn)的癌癥提供了更好的風險估計，它幫助醫(yī)生實現(xiàn)了將婦女分為乳腺癌的低風險或高風險的目標。這些發(fā)現(xiàn)對臨床實踐有重大影響，因為在臨床實踐中，僅乳房密度就能指導許多管理決策。與其建議明年再來一次篩查，不如將乳房X光檢查呈陰性的婦女按風險分為三種，即乳腺癌的低風險、篩查發(fā)現(xiàn)的風險升高或未來三年侵入性癌癥風險升高。