打开APP

目前人工智能对乳腺癌的诊断与人类专家一样好!你选哪个?

  1. 乳腺癌
  2. 人工智能

来源:本站原创 2019-07-18 06:18

2019年7月18日讯 /生物谷BIOON/——乳腺癌是英国最常见的癌症。它占全国所有新病例的15%,大约八分之一的妇女将在一生中被诊断出患有该病。在英国国家医疗服务体系(NHS)中,乳腺癌筛查通常包括乳房x光检查。但是,随着能够阅读这种早期测试的专家数量减少,这种测试的未来将面临风险。虽然这种技能短缺无法立即弥补,但人工智能领域有望取得的进步可能会有所帮助。图片来源:http://cn.bing
2019年7月18日讯 /生物谷BIOON/——乳腺癌是英国最常见的癌症。它占全国所有新病例的15%,大约八分之一的妇女将在一生中被诊断出患有该病。在英国国家医疗服务体系(NHS)中,乳腺癌筛查通常包括乳房x光检查。

但是,随着能够阅读这种早期测试的专家数量减少,这种测试的未来将面临风险。虽然这种技能短缺无法立即弥补,但人工智能领域有望取得的进步可能会有所帮助。

图片来源:http://cn.bing.com

解释乳房x线照片是一个复杂的过程,通常由受过专门训练的放射科医生和放射技师来完成。他们的技能对这种癌症的早期发现和诊断至关重要。他们在一次会议上仔细检查了几批乳房x光片,寻找乳腺癌的迹象。

但这些迹象往往模棱两可或难以看清。乳房x线照相术的假阴性率(误诊或漏诊癌症)在20%到30%之间。这些错误要么是感知上的错误,要么是解释上的错误,都可以归因于读者的敏感性或特殊性。

人们普遍认为,发展解释乳房x线照片所需的专业知识的关键是严格的培训、广泛的实践和经验。虽然研究人员正在研究训练策略和感知学习模块,以加快从新手读者到专家的转变,但其他人一直在研究如何利用人工智能加快诊断速度,提高诊断的准确性。

机器诊断

正如在无数其他领域一样,人工智能算法帮助癌症诊断的潜力并未被忽视。除了乳腺癌,研究人员一直在研究人工智能如何提高肺癌、脑癌和前列腺癌的治疗效果和效率,以满足日益增长的诊断需求。甚至谷歌也在研究人工智能如何被用来诊断癌症。这家搜索巨头已经训练出一种算法来检测转移的肿瘤,成功率高达99%。

图片来源:http://cn.bing.com

对于乳腺癌,目前的焦点一直是人工智能如何帮助通过乳房x光检查诊断疾病。每一幅乳房x线照片都由两名专家进行解读,如果缺乏专业知识,这可能会导致诊断延迟。但研究人员一直在考虑在筛查时引入人工智能系统。其理念是,它将支持专家的发现,而无需等待其他专业人士的第二意见。这将减少等待时间和相关的焦虑,为妇女的测试。

人工智能已经在癌症图像识别方面取得了重大进展。2018年末,研究人员报告称,一个商业系统的准确度与101名放射科医生对筛查性乳房x线照片逾2.8万种解读的准确度相当。这意味着它的癌症检测精度可与放射专家相媲美。

在同一研究人员领导的另一项研究中,放射科医生使用人工智能系统进行支持,发现乳腺癌的检出率有所提高,从83%提高到了86%。这项研究还发现,使用人工智能系统减少了放射科医生分析屏幕上图像的时间。

微调和改进

尽管人工智能的潜力受到了一些放射学家的欢迎,但也引起了其他人的怀疑。尽管其他研究人员也发现,人工智能在通过乳房x线照片检测乳腺癌方面与人类一样出色,但这也带来了一个警告:在人工智能能够安全地应用于乳腺筛查项目之前,还需要进行更多的微调和软件改进。

图片来源:http://cn.bing.com

令人兴奋的是,人工智能可能会被用来帮助检测这种普遍存在的癌症,在引入人工智能之前,需要考虑专家和公众的信心。接受这项技术是至关重要的,这样病人和医疗专业人员就知道他们收到了正确的结果。

到目前为止,公众对乳腺癌筛查中人工智能的认知还没有多少研究,但对人工智能和医疗保健的更广泛研究发现,39%的人愿意从事人工智能/机器人医疗。在18- 24岁的人群中,这一比例上升到了55%。

人工智能系统仍处于研究阶段,目前还没有公司计划用它来诊断英国的病人。但这些有希望的结果表明,放射医疗保健服务的提供存在巨大的机会,最终有可能发现更多的乳腺癌和其他癌症患者。(生物谷Bioon.com)

参考资料:





【5】Alejandro Rodríguez-Ruiz et al. Detection of Breast Cancer with Mammography: Effect of an Artificial Intelligence Support System. Radiology. DOI: https://doi.org/10.1148/radiol.2018181371


【7】Alejandro Rodriguez-Ruiz et al. Stand-Alone Artificial Intelligence for Breast Cancer Detection in Mammography: Comparison With 101 Radiologists. JNCI: Journal of the National Cancer Institute, djy222, https://doi.org/10.1093/jnci/djy222

【8】Mammograms

版权声明 本网站所有注明“来源:生物谷”或“来源:bioon”的文字、图片和音视频资料,版权均属于生物谷网站所有。非经授权,任何媒体、网站或个人不得转载,否则将追究法律责任。取得书面授权转载时,须注明“来源:生物谷”。其它来源的文章系转载文章,本网所有转载文章系出于传递更多信息之目的,转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。

87%用户都在用生物谷APP 随时阅读、评论、分享交流 请扫描二维码下载->