Google驱动的AI斑点乳腺癌

研究结果表明，AI能够从图像中正确识别与专家放射科医生相似的准确性的癌症，并具有帮助临床人员实践的潜力。

当在英国大型数据集中进行测试，作为英国癌症研究的一部分，来自西北大学的癌症研究和一个较小的美国数据集时，AI还减少了筛查错误的比例 - 癌症要么被错误地识别或可能错过了癌症。

根据研究人员的说法，这项工作表明了如何在世界各地的临床环境中应用AI。该团队强调，这种AI工具可以支持将来的临床决策，并通过支持临床审查员的工作量来减轻国际医疗保健系统的压力。

英国的Dominic King在Google Health的领导下表示：“我们的团队为这些研究结果感到自豪，这表明我们正在开发一种可以帮助临床医生以更高准确性发现乳腺癌的工具。需要进一步的测试，临床验证和监管批准，然后才能开始对患者产生影响，但我们致力于与合作伙伴合作实现这一目标。”

伦敦帝国学院的论文和癌症研究所帝国帝国中心和全球卫生创新研究所的作者之一，丹纳姆的阿拉·达齐教授教授说：“筛查计划仍然是我们处置的最好的工具之一为了早日捕获癌症并改善了患者的结局，但仍然存在许多挑战 - 尤其是当前的图像放射科医生必须审查。尽管这些发现并非直接来自诊所，但它们非常令人鼓舞，并且对如何在现实生活中使用这项有价值的技术提供了明确的见解。当然，在世界各地的乳房X线摄影筛查计划中实施AI之前，需要解决许多挑战，但是改善医疗保健和帮助患者的潜力是巨大的。”

减少错误发现

在英国，据估计，八分之一的妇女一生中将被诊断出患有乳腺癌，随着年龄的增长，风险会增加。早期发现和治疗为女性提供了最佳结果，但是准确检测和诊断乳腺癌仍然是一个重大挑战。

邀请50至71岁之间的妇女每三年接受NHS的乳房X光检查，其中使用X射线乳腺组织来寻找可能是癌性的异常生长或变化。虽然筛查非常有效，并且在此过程中大部分癌症都被捡起，但即使具有临床专业知识，人类对X射线的解释也对错误开放。

在最新的研究中，Google Health的研究人员培训了一个AI模型，该模型使用了英国和美国的女性乳房X线照片，这些乳房X线照片可以删除任何可用于识别她们的信息。

AI模型审查了数以万计的图像，这些图像先前是由专家放射科医生解释的。但是，尽管人类专家在解释扫描时可以使用患者的病史，但AI只有最近的乳房X线照片。

在评估过程中，研究人员发现他们的AI模型可以从总体上与专家X光摄影师相似的扫描术预测乳腺癌（或被证明是“非内部”）。与人类的解释相比，AI显示出错误鉴定出癌症的比例（分别为5.7％/1.2％，在英国和美国数据）以及遗漏癌症的病例（9.4％/2.7％）的比例（分别为5.7％/1.2％）（9.4％/2.7％）（9.4％/2.7％）（9.4％/2.7％）（9.4％/2.7％）在英国/美国数据中）。

提高效率

除了AI模型支持和改善临床决策的潜力外，研究人员还展望了他们的模型是否可以提高读者效率。尽管AI没有超过双阅读器基准，但从统计学上讲，它的表现并不比第二读者差。

在小型二次分析中，他们模拟了AI在NHS使用的双阅读过程中的作用。在此过程中，扫描是由两位独立的放射科医生解释的，每个放射科医生都会审查扫描，并建议采取后续行动或不采取行动。任何积极的发现都会引用活检，如果两名读者不同意，则该案将归第三位临床审查员进行决策。

模拟将AI的决定与第一读者的决定进行了比较。如果第一读者和AI之间存在分歧，则仅将扫描发送给第二次审阅者。研究结果表明，以这种方式使用AI可以将第二审审人员的工作量减少多达88％，这最终可能有助于在较短的时间内分类患者。

据该团队称，调查结果令人兴奋，并展示了AI如何为世界各地的医疗保健筛查服务提供帮助。这样的实用应用程序可能包括提供乳房X线摄影图像的自动实时反馈，并授予统计评分，该分数可用于更快地进行分类。

但是，研究人员补充说，需要在较大人群中进行进一步的测试。UK Cancer Research首席执行官米歇尔·米切尔（Michelle Mitchell）表示：“这些结果突出了AI在癌症护理的未来中可以发挥的重要作用。接受这样的技术可能有助于改善未来几年我们诊断癌症的方式。“筛查有助于早期诊断乳腺癌，当治疗更有可能成功，以确保更多的人生存。但是它也有危害，例如诊断癌症，这些癌症永远不会造成任何问题并缺少某些癌症。这仍然是早期的研究，但它显示了AI如何改善乳腺癌筛查并减轻NHS的压力。尽管需要进一步的临床研究来查看该技术在实践中的工作方式以及是否可以起作用，但最初的结果是有希望的。”