人工智能工具改善乳腺癌成像的准确性
计算机程序训练成千上万的乳腺超声图像之间的模式可以帮助医生准确诊断乳腺癌,一项新的研究显示。
当测试分别在44755年已经完成超声波考试,人工智能(AI)工具提高放射科医生能够正确识别疾病的37%,减少组织样本的数量,或活组织检查,需要确认可疑肿瘤的27%。
由纽约大学Langone放射卫生研究人员及其劳拉和艾萨克·波尔马特癌症中心,团队的人工智能分析被认为是同类研究中规模最大的,包括288767个独立的超声波考试从143203名妇女在纽约市纽约大学Langone治疗医院在2012年和2018年之间。团队的报告9月24日在线发表在《华尔街日报》自然通讯。
“我们的研究表明人工智能可以帮助放射科医生阅读乳房超声检查显示只有那些真正显示的迹象乳腺癌活检,避免验证的情况下,是良性的,”研究的高级研究员克里兹多夫基拉,一位博士说。
超声检查使用高频声波通过组织构造乳腺癌或其他组织的实时图像。虽然不是一般用作乳腺癌筛查工具,它曾作为替代(乳房x光检查)或随访诊断测试对很多妇女来说,基拉说,在纽约大学放射学系的助理教授格罗斯曼医学院和波尔马特癌症中心的一员。
超声更便宜,更广泛的社区诊所,和不涉及辐射,研究人员说。此外,超声比乳房x光检查渗透致密的乳房组织和区分包装但健康细胞和紧凑的肿瘤。
然而,这项技术也被发现导致太多的错误诊断乳腺癌,对女性产生焦虑和不必要的程序。一些研究表明,大多数乳腺癌超声检查表明癌症的迹象是活检后非癌变。
“如果我们努力使用机器学习作为筛选工具超声研究证明成功,超声波可以成为一个更有效的工具在乳腺癌筛查,尤其是作为一个替代乳房x光检查,对于那些有致密的乳房组织,“研究共同调查放射科医生Moy琳达说。”其未来对改善女性乳房健康的影响可能是深远的,“Moy补充说,纽约大学教授格罗斯曼医学院和波尔马特癌症中心的一员。
基拉警告说,虽然他的团队的初步结果是有前途的,他的团队只看过去他们最新的考试分析,目前患者和临床试验工具的需要和实际条件,才能经常部署。他还计划细化人工智能软件,包括额外的患者信息,比如一个女人的添加风险有家族史或基因突变与乳腺癌,这是不包含在他们的最新分析。
在这项研究中,超过一半的乳房超声检查是用来创建计算机程序。十个放射科医生然后每个审查一个单独的组663乳房检查,平均精度为92%。当人工智能模型的帮助下,他们的诊断乳腺癌的平均精度提高到96%。所有诊断都是针对组织活检检查结果。
来自美国癌症协会的最新统计估计,八分之一的女性(13%),美国将被诊断为乳腺癌癌症在他们的一生中,仅2021年就有超过300000积极诊断。
进一步探索