人工智能乳腺癌診斷能力精確 在防控乳腺癌的長期戰(zhàn)斗中取得突破

據(jù)報(bào)道，1月1日《自然》雜志發(fā)布的一項(xiàng)最新研究顯示，人工智能程序從常規(guī)乳房X線掃描中識(shí)別乳腺癌的得分已經(jīng)超過了醫(yī)學(xué)專家，這有助于在防控乳腺癌的長期戰(zhàn)斗中取得突破。

Google Health英國區(qū)負(fù)責(zé)人Dominic King介紹，乳腺癌是女性最高發(fā)的癌癥之一，僅去年一年已有超過200萬例新診斷。在沒有明顯癥狀的患者中，定期篩查對(duì)于疾病的早期診斷乃至早期治療至關(guān)重要。英國NHS建議，50歲以上的女性每三年要做一次乳房X光檢查，并由兩名獨(dú)立專家對(duì)結(jié)果進(jìn)行分析。每年約有1300名女性生命得到挽救。

但是，掃描結(jié)果解讀存在一定的誤差，所有的乳房X線照片中有一部分呈假陽性（健康人誤診患有癌癥），也有一些假陰性導(dǎo)致一部分人錯(cuò)失早期確診。同時(shí)，NHS嚴(yán)重缺乏工作人員，特別是在癌癥診斷團(tuán)隊(duì)中，一些報(bào)告表明，目前多達(dá)十分之一的診斷職位空缺。隨著需求不斷增長融合，未來執(zhí)行這些服務(wù)可能會(huì)遇到麻煩。

為此，Google Health的研究人員已經(jīng)訓(xùn)練了一種人工智能模型，該數(shù)據(jù)庫包含250多萬張圖片，是世界上最大、最具活力的同類數(shù)據(jù)庫，能夠從英國和美國的數(shù)千名女性的乳房掃描結(jié)果中檢測出癌癥。這些患者的掃描圖像已經(jīng)臨床醫(yī)生確認(rèn)，但與實(shí)際臨床診斷環(huán)境不同，機(jī)器并沒有被告知患者的病史。

研究人員發(fā)現(xiàn)，人工智能模型可以根據(jù)掃描結(jié)果預(yù)測乳腺癌，其準(zhǔn)確性與放射科專家相似。同時(shí)，人工智能顯示出假陽性的結(jié)果減少了5.7%（美國）或1.2%（英國），而假陰性率降低了9.4%（美國）或2.7%（英國）。在一項(xiàng)由六名放射科醫(yī)師參與的獨(dú)立研究中，人工智能系統(tǒng)的表現(xiàn)也優(yōu)于所有人類結(jié)果。

King指出，乳房X線照片需要兩名醫(yī)師審查，是一個(gè)勞動(dòng)密集型的過程。我們建議，將計(jì)算機(jī)產(chǎn)生的結(jié)果與一名醫(yī)師的診斷同時(shí)進(jìn)行，如果雙方結(jié)果保持一致，那么該例結(jié)果標(biāo)記為“已解決”；如果結(jié)果不一致，則需要另一名醫(yī)師再進(jìn)行核查。研究表明，使用人工智能與人類聯(lián)合診斷的策略，可以為第二位醫(yī)師節(jié)省多達(dá)88%的工作量。

英國癌癥研究中心乳房X線影像醫(yī)師Ken Young評(píng)價(jià)，這項(xiàng)工作對(duì)近3萬次掃描的真實(shí)診斷場景均可適用，包括簡單、困難以及介于兩者之間的所有案例，可作為所有乳腺癌篩查的婦女的代表。

乳房X線照片的隱私性也是大眾關(guān)注的焦點(diǎn)。據(jù)團(tuán)隊(duì)負(fù)責(zé)人介紹，所有的圖像在進(jìn)入數(shù)據(jù)庫之前，其身份信息將會(huì)被消除，因此研究人員不知道乳房X線照片究竟屬于誰。被授權(quán)訪問圖像的研究小組也需要簽訂某些條件，比如對(duì)患者數(shù)據(jù)保密，并且不將其用于開發(fā)人工智能篩選算法以外的任何目的，等等。

當(dāng)然，這種訓(xùn)練有素的算法仍處于早期階段，但已經(jīng)有了堅(jiān)實(shí)的理論基礎(chǔ)。接下來，該團(tuán)隊(duì)需要在更廣泛的人群中進(jìn)行測試，測試放射科醫(yī)生如何在臨床應(yīng)用該算法并獲益。

Young同時(shí)表示，很多人都擔(dān)心“人工智能是否會(huì)取代放射科醫(yī)生”，但他接觸到的所有的放射科醫(yī)師都沒有這種顧慮，反而將該技術(shù)看做一種“時(shí)間的禮物”。他們非常希望有一個(gè)方便的工具幫助自己做一些閱讀乳房X線照片的單調(diào)工作，這樣就有更多的時(shí)間操作其他事情。

在Young看來，乳腺癌人工智能篩查潛力巨大，很多問題都可以在人工智能的幫助下得以解決。同時(shí)，人工智能用于早期篩查只是醫(yī)學(xué)革命的開始，隨著進(jìn)一步的研究，我們希望這項(xiàng)技術(shù)有一天真正成為各類癌癥診斷的“第二診療意見”。