对于何时以及多长时间应进行乳房X光检查以预防女性感染，仍存在疑问 乳癌？ 研究清楚地表明，筛查可以在最可治愈的情况下导致对该疾病的早期诊断。
这就是为什么提高乳房X光检查的有效性以检测潜在的癌性异常是当务之急。 这就是谷歌人工智能的用武之地。
人工智能可以在这一领域发挥至关重要的作用。人工智能机器学习可以帮助医生更准确地读取乳房X光照片。
在1月XNUMX日发表于《自然》杂志的一项研究中Google Health和University以及美国和英国的研究人员展示了一种AI模型，该模型可以读取比人类专家更少的假阳性和假阴性的乳房X光照片。
该算法基于对英国 76.000 多名女性和美国 15.000 多名女性进行的乳房 X 光检查，将美国女性的假阳性率降低了近 6%（美国女性每 1-2 年进行一次筛查）。 在英国，女性每三年接受一次筛查，但改善“仅”1,2%。
人工智能模型还在美国减少了超过9％的乳房X光检查中的假阴性，在英国减少了近3％。
“读取乳房 X 光照片是一项可以委托给机器学习和人工智能的完美任务”，博士说。 莫齐亚·埃特马迪（Mozziyar Etemadi）是该研究的合著者之一，西北大学麻醉与生物医学工程助理研究员。
“当人工智能必须一遍又一遍地执行相同的任务并且必须找到万分之一可能出现的事情时，它就会表现出色。但老实说我没想到它已经比医生效果好得多了。我很惊讶。”
与其他有关人工智能和乳房 X 光检查的小型研究相比，这是一个进步
在另一项研究中，一台机器在读取扫描数据时击败了101位放射科医生。 鉴于其庞大的数据集以及人工智能模型已经超越医生这一事实，这项最新研究是迄今为止最具有统计意义的研究之一。
一旦团队知道可以训练人工智能来有效读取美国和英国数据集上的乳房 X 光照片，他们就进行了另一项测试。他根据美国数据训练算法，然后将其应用于英国案例，反之亦然。 再次，结果比医生的结果要好。 “这是令人鼓舞的，因为在使用这些模型的现实情况中，这正是将会发生的情况。它将用于不一定接受过培训的人群。”他说 莎拉维亚·谢蒂（Shravya Shetty），Google Health技术经理。
越来越好
Google 平台的优势在于其处理能力。近年来，随着乳房X线摄影图像分辨率的提高，它们已经变得如此充满数据，以至于人眼（即使是训练有素的放射科医生的眼睛）可能无法完全处理它们。谷歌的计算能力使算法能够处理几乎所有可用的像素。
为了使人工智能算法能够识别出乳房组织中的异常病变，必须使用大量的乳房X线照片对模型进行训练。 我们拥有的越多越好。
目前，专家们认为（他们应该）人工智能是放射科医生阅读乳房X光图像的支持，而不是替代品。
例如，人工智能模型可以执行第一轮评估，而让专家拥有其他有价值的信息（例如女性的癌症家族病史）来解释更困难的病例。
“随着患者数量的增加以及医生观察评估患者的时间减少，医疗保健正在被压缩。这就是为什么像这样的工具是每个医生都在等待的原因”，Etemadi说。
