AI 模型提早 5 年预警乳腺癌，MIT 研究登 Science 获 LeCun 转发

科学家正在通过 AI 的力量，改变乳腺癌的现状。在全球范围内，每年有超过 60 万名女性因乳腺癌而无法存活。美国有八分之一的女性一生中会被诊断出患有乳腺癌。

这些数字听起来很可怕，但并非毫无希望。

当处于最早的局部阶段时，5 年相对生存率为 99%。近年来，早期检测和治疗方法的进步显著提高了乳腺癌的生存率，目前美国有超过 400 万乳腺癌幸存者。

AI，就是这项进步背后的一个重要推动性力量。

近日，Science 在 X 上连发多篇帖子，展现了 AI 在乳腺癌检测方面的应用潜力。

「人工智能提前 5 年检测出乳腺癌」。

这条推文不仅得到了 Lecun 的转发，也引发了大量网友的讨论。

AI 对人类社会的影响，绝不只有当下大热的生成式 AI，更可能「going to save lives」，为人类减少病痛，带来福祉。

MIT  CSAIL 实验室和 Jameel Clinic 的科学家创建了一个深度学习系统「Mirai」，可以根据传统的乳房 X 光检查来预测乳腺癌风险。

论文地址：https://www.science.org/doi/10.1126/scitranslmed.aba4373

「Mirai」标志着向个性化癌症筛查和更好的患者治疗结果迈出了重要一步。

Mirai：更早发现乳腺癌减少筛查伤害

乳房 X 光检查（Mammogram）用于检测没有乳腺癌体征或症状的女性的乳房变化。

世界各地的卫生组织支持 Mammogram 筛查以实现早期癌症检测，并且它已经证明了其价值，可将死亡率降低 20-40%。

虽然这是一个用于早期检测的最佳工具，但有很多亟待改进的地方：假阳性、假阴性、图像解读中的人为差异以及缺乏专业放射科医生……

而 Mirai 作为一个深度学习系统，可以借助人工智能的力量来预测乳腺癌的形成，它包括三项关键创新：

• 时间点联合建模

• 非图像风险因素的选择性使用

• 确保跨临床环境中性能一致性

这使得 Mirai 能够提供准确的风险评估，并适应不同的临床环境。

Mirai 不仅可预测患者在未来不同时间点的风险，还可纳入年龄和家族史等临床风险因素（如果有的话）。

此外，它还能在微小的临床差异（如不同的乳腺 X 射线照相设备）情况下保持稳定的预测结果。

该模型很有前途的一点在于，它能够适用于不同人种。

Mirai 对白人和黑人女性的准确率相当，鉴于黑人女性的乳腺癌死亡率比白人妇女高出 43%，这是一项重大进步。

大规模验证

为了将基于图像的风险模型整合到临床护理中，研究人员需要对算法进行改进，并在多家医院进行大规模验证。

研究小组利用麻省总医院（MGH）的 20 万多份检查结果对 Mirai 进行了训练，并利用麻省总医院、瑞典卡罗林斯卡研究所和台湾长庚纪念医院的数据对其进行了验证。

现在安装在 MGH 的 Mirai 在预测癌症风险和识别高危人群方面的准确性明显高于以前的方法。

它的表现优于 Tyrer-Cuzick 模型，识别出的未来癌症诊断数量几乎是 Tyrer-Cuzick 模型的两倍。

而且，在不同种族、年龄组、乳房密度类别和癌症亚型中，Mirai 都能保持准确性。

CSAIL 博士生、论文的第一作者 Adam Yala 说，「改进后的乳腺癌风险模型能够实现有针对性的筛查策略，与现有指南提供的方法相比，可以更早发现乳腺癌并减少筛查伤害。」

该团队正与来自全球不同机构的临床医生合作，在不同人群中进一步验证该模型，并研究其临床实施情况。

目前，研究人员正在改进 Mirai，利用患者的完整影像病史，并结合断层合成等先进筛查技术。

这些改进措施可以完善风险筛查指南，为高风险人群提供更敏感的筛查，同时减少其他不必要的程序。

将 AI 应用于乳腺癌检测的更多研究

不止 Mirai，Science 还推荐了有关 AI 检测乳腺癌的更多研究。

为了提高乳腺癌的生存率，研究人员设计了一种可穿戴超声波设备，可以让患者在早期阶段检测到肿瘤，这项研究同样来自 MIT。

麻省理工学院工程学院院长 Anantha Chandrakasan、电子工程和计算机科学教授 Vannevar Bush，以及一位该研究作者说道：

「这项工作将利用材料、低功耗电路、人工智能算法和生物医学系统方面的进步，极大地推动超声波研究和医疗设备设计。」

「并且为乳腺癌的检测和早期诊断提供了一项基本能力，而这是取得积极疗效的关键。」

除此之外，此前《纽约时报》有过一则「AI 检测出了医生遗漏的乳腺癌」的相关报道。

报道称，匈牙利已成为人工智能软件发现癌症的主要试验场，医生们正在争论这项技术是否会取代他们的医疗工作。

2016 年，世界领先的人工智能研究人员之一 Geoffrey Hinton 认为，该技术将在五年内超越放射科医生的技能。

「我认为，如果你是一名放射科医生，你就像动画片里的 Wile E. Coyote」，他在 2017 年对《纽约客》说。

「你已经在悬崖边上了，但你还没有往下看，下面是看不到地面的深渊。」

Hinton 所言非虚，在 Science 发布的推特中，就有一篇研究发现，使用人工智能的医生比不使用人工智能的医生更容易发现乳腺癌。

这项研究表明，人工智能还能自动处理一半以上的扫描，大大减轻放射科医生的工作量。

将研究推向市场

Science 在 X 上还特别提到了一个人 ——Dr. Connie Lehman。

Connie Lehman 是哈佛医学院放射学教授兼马萨诸塞州总医院放射专家，也是本文开头具有奠基性作用的论文的合著者。

她早在 1998 年开始从事计算机辅助设计 (CAD) 工作时，就对其改善乳腺癌检测的潜力感到兴奋。

她坚信 CAD 技术将帮助放射科医生发现更多癌症、实现早期诊断，并有可能产生更高的治愈率。

但故事并没有像她想象的那样结束。

「虽然实验室的研究发现 CAD 可以发挥作用，但它并没有在临床上产生我们所希望的影响。」

Lehman 回忆道，「但我谨慎乐观地认为，新的人工智能模型将更成功地利用计算机的力量来增强成像的影响。」

如今的 Lehman 正在将 Mirai 背后的技术推向市场，创办了 Clairity。

Clairity 致力于利用人工智能的进步让医学图像释放出新的见解，准确地识别出那些患癌症风险最高的人。

值得一提的是，Dr.Lehman 对自己的研究成果相当低调，这个消息还是 Lehman 的儿子透露给 Science 的。

后来又获得了 Science 的转发。

并写下了「AI CAN BE GOOD!」这样令人充满期冀的文字。

参考资料：

• https://news.mit.edu/2021/robust-artificial-intelligence-tools-predict-future-cancer-0128

• https://www.cnn.com/videos/health/2023/03/07/artificial-intelligence-breast-cancer-detection-mammogram-cnntm-vpx.cnn

• https://news.mit.edu/2023/wearable-ultrasound-scanner-breast-cancer-0728

本文来自微信公众号：微信公众号（ID：null），作者：新智元

广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。