根據一項新的研究，谷歌 (GOOGL) 的研究人員與西北大學和三家英國醫療機構的專家合作，開發了一種人工智慧模型，該模型似乎比人類專家更準確地在乳房X光片中發現乳腺癌。
根據研究顯示，該人工智慧模型檢測乳腺癌病例的比率高於放射科醫生，且假陽性報告更少。該研究於元旦在高質量科學期刊《自然》雜誌上發表。即使該演算法在國際上進行測試，結果仍然成立，考慮到跨境資料集的不一致性，這是很少有AI工具能夠克服的障礙。
“這是一個非常好的貢獻，”斯克裡普斯轉化科學研究所主任埃裡克·託波爾博士告訴STAT。“它仍然沒有達到我們期望的水平，但它正在鋪平道路。”
關於支援科學新聞
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞事業： 訂閱。透過購買訂閱，您正在幫助確保未來能夠繼續報道關於發現和塑造我們當今世界的想法的具有影響力的故事。
解讀乳腺癌的跡象可能既是藝術又是科學：只有經驗豐富的放射科醫生才能檢視一系列模糊的黑白乳房X光片，並將雲狀的、惡性的腫塊與健康的組織簇區分開來。
然而，即使是訓練有素的眼睛也會出錯。根據美國癌症協會的資料，臨床醫生 未能發現約20% 的乳腺癌。與此同時，在接受年度乳房X光檢查的 一半美國女性中，在十年期間，約有一半的人被錯誤地告知她們可能患有癌症，而實際上她們是無病的。
與此同時， 職業倦怠 和 區域短缺 正在給全球放射科醫生帶來更大的壓力。
人工智慧可能永遠無法取代人類專家，至少在像乳腺癌這樣細緻而複雜的領域是如此。相反，這些工具可以用作一種第二意見——放射科醫生可以藉助它來指導他們對乳房掃描的初步解讀。
“我不認為人工智慧演算法會取代放射科醫生或其他醫生……只要還需要創造性思維，”加州大學舊金山分校放射學和生物醫學影像乳腺影像科主任邦妮·喬博士告訴STAT。
新的人工智慧工具由谷歌健康及其英國子公司DeepMind的研究人員開發。除了西北大學的專家外，他們還與兩家英國機構的放射學研究人員合作：英國癌症研究中心帝國中心和皇家薩里郡醫院。
為了訓練他們的演算法，研究人員向該工具提供了臨床資料，其中包括來自美國和英國約91,000名女性的乳腺癌掃描影像。所有掃描影像都已去除姓名和出生日期等個人識別符號，以使其匿名。乳腺癌診斷已透過活組織檢查確認。
然後，研究人員在來自兩國數千名女性的新脫敏乳房掃描影像集上測試了該演算法。
與美國標準的臨床實踐相比，在美國，女性接受篩查的頻率高達每年一次，該演算法產生的誤報減少了近6%，全陰性誤報減少了9%。在英國，女性僅每三年接受一次篩查，該演算法產生的誤報減少了1%，全陰性誤報減少了3%。
當研究人員在研究的另一部分中，使用英國的乳房掃描影像訓練該工具，然後在美國的乳房掃描影像樣本上進行測試時，該演算法仍然優於標準的臨床實踐。
最後，當該演算法直接與六位人類放射科醫生進行比較時，該演算法也勝出，這些放射科醫生的任務是解讀來自美國測試集的500個病例。
“我們相信這僅僅是開始，”谷歌研究人員之一、該研究的合著者丹尼爾·謝告訴STAT。
重要的是，正如研究中存在人工智慧發現人類專家遺漏的乳腺癌病例一樣，也存在人類專家 pinpoint 了人工智慧未檢測到的疾病的病例。
研究人員不確定確切的原因，但他們對此並不感到驚訝。
“這些模型和技術在某些方面非常擅長，而放射科醫生，他們一生都在做這件事，在某些方面也非常擅長，”謝說。
研究結果似乎表明，人工智慧在侵襲性癌症方面具有特別的優勢，而侵襲性癌症對於人眼來說可能很難發現。在僅由人類專家發現疾病的病例中，沒有記錄到特定的模式。
谷歌研究人員和外部專家都不認為像這樣的人工智慧工具已準備好單獨使用。但這並不意味著它們沒有作用。“哪個病人會信任一個演算法，而不需要專家放射科醫生或醫生的意見呢？”託波爾說。“我傾向於認為兩者可以結合起來，從而獲得最佳答案。”