IBM的AI可以预测哪些患者可能在一年内患上恶性乳腺癌

 
在美国，大约12%的女性在其一生中会患上浸润性乳腺癌，预计到2020年仅有268,000例新发病例被诊断出来。幸运的是，根据美国癌症协会的数据，平均5年生存率相当高 – 85-99% – 平均10年生存率(83%)。但与往常一样，早期发现是差异制造者。
为此，在本月发表在Radiology期刊上的一篇论文中，位于以色列Haifa的IBM研究院的科学家详细介绍了一种能够在一年内预测患者恶性乳腺癌发展的AI模型。同行评审结果显示，他们的系统分别正确预测了87%和77%的癌症和良性病例的发展。此外，通过对9,611个乳房X线照片和健康记录的新型语料库进行培训，它能够识别48%的人群中的乳腺癌，否则这些人不会被标记，其准确度与放射科医师相当(根据美国筛查基准定义)数字乳腺摄影术)。
海法团队的工作建立在IBM苏黎世办事处和苏黎世大学的科学家们的研究基础上，该研究构建了一个可以检测和分类肿瘤和免疫细胞及其关系的系统。谷歌，麻省理工学院和纽约大学正在进行类似的努力来提高乳腺癌筛查的准确性。
“我们的模型有朝一日可以帮助放射科医生确认或否认阳性乳腺癌病例，”IBM研究人员兼放射学论文的合着者Michal Chorev在博客文章中写道。 “虽然假阳性可能导致大量过度的压力和焦虑，但假阴性往往会妨碍癌症检测和治疗的早期程度。”
为了编制训练数据集，Chorev及其同事采购了与临床数据相关的脱敏乳腺摄影图像和与患者电子健康记录相对应的生物标记，包括(但不限于)甲状腺功能，生殖史，白细胞谱，代谢综合征和其他信息。他们将这些数据(包括活组织检查，癌症登记数据，实验室结果以及各种其他程序和诊断的代码)纳入机器学习模型，该模型将临床风险因素之间的联系进行映射，以预测活检恶性肿瘤并区分正常人。异常筛查检查。
在进行乳房X线摄影扫描时，该团队主要使用头颅(CC)和内侧斜视(MLO)视图 – 乳房X光检查中的两种标准视图，通常在评估病变时进行比较 – 来自以色列医疗保健提供者Maccabi Health Services和Assuta Medical Center。最后，他们的数据集包含来自13,234名女性的52,936张图片，这些图片在2013年至2017年期间至少接受过一次乳房X光检查，并且在乳房X光检查之前至少有一年的健康记录。
AI算法针对每个预测任务在乳房X线照片上进行训练，并提取这些任务的概率，以及每个视图的成像任务的概率。最后，他们将成像特征以及整套临床特征连接成患者乳房的单一表示。使用单独的AI模型估计癌症阳性活检或正常/异常分化的最终概率。
研究人员表示，他们的系统怀疑可能导致风险升高的临床因素，但未用于以前的工作，如白细胞谱和甲状腺功能检查。 “我们计划继续分析这些临床风险因素，以更好地了解它们对个人个性化风险的影响和联系，”Chorev补充道。