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。
因此，提高能够检测潜在癌症异常的乳房X线照片的有效性是当务之急。 这就是Google的AI出现的地方。
人工智能可以在这一领域发挥关键作用。 人工智能的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。
该算法基于从英国76.000多名妇女和美国15.000多名妇女那里得到的乳房X线照片，在美国每6-1年进行一次女性筛查的美国，其假阳性率降低了近2％。 在英国，每三年对女性进行一次筛查，结果改善仅为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线照片是一项完美的任务，应委托给机器学习和人工智能”，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做同样的事情，并且必须找到一万次可能出现的一件事时，人工智能就表现出色。 但老实说，我没想到它会比医生更好地工作。 我很惊讶。”
这是对其他有关人工智能和乳房X线照片的小型研究的改进
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。
一旦团队得知可以训练AI以有效读取美国和英国数据集的乳房X线照片，他们就会进行另一项测试。 他在美国数据上训练了该算法，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。 “这令人鼓舞，因为在实际情况下使用这些模型，这正是即将发生的情况。 它将用于可能未经过培训的人群。他说 莎拉维亚·谢蒂（Shravya Shetty），Google Health技术经理。
越来越好
Google平台的优势在于其强大的处理能力。 近年来，随着乳房X射线照片图像分辨率的提高，它们变得非常充满数据，以至于人眼（甚至是一位熟练的放射线医师）也无法完全对其进行处理。 Google的计算能力使该算法可以处理几乎所有可用像素。
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（应该是）将AI看作是对阅读乳房X线照片的放射线医生的支持，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。
随着患者人数的增加，医疗保健受到挤压，医生评估患者所需的观察时间减少了。 这就是为什么这些工具是每个医生都期望的“，Etemadi说。
