Google的AI模型在乳腺癌的檢測(cè)預(yù)測(cè)方面勝過(guò)放射線醫(yī)師

小編發(fā)現(xiàn)不少朋友對(duì)于Google的AI模型在乳腺癌的檢測(cè)預(yù)測(cè)方面勝過(guò)放射線醫(yī)師這方面的信息都比較感興趣，小編就針對(duì)Google的AI模型在乳腺癌的檢測(cè)預(yù)測(cè)方面勝過(guò)放射線醫(yī)師整理了一些相關(guān)方面的信息 在這里分享給大家。

根據(jù)發(fā)表在《自然》雜志上的新研究，基于深度學(xué)習(xí)的AI模型比放射科醫(yī)生可以更準(zhǔn)確地識(shí)別乳腺癌。這對(duì)于癌癥檢測(cè)的未來(lái)意味著什么?

這項(xiàng)研究的作者包括來(lái)自Google Health的幾位代表，他們對(duì)來(lái)自英國(guó)25,000多名患者和3,000多名女性的乳房X光照片進(jìn)行了AI算法的培訓(xùn)。為了將算法的性能與人類(lèi)專(zhuān)家進(jìn)行比較，研究小組要求一個(gè)獨(dú)立的獨(dú)立研究組織進(jìn)行一項(xiàng)涉及6名符合MQSA規(guī)范的放射科醫(yī)生的讀者研究。該研究包括從數(shù)據(jù)集中隨機(jī)選擇的500幅乳房X線照片，放射科醫(yī)生使用BI-RADS分?jǐn)?shù)對(duì)每張圖像進(jìn)行評(píng)分。

研究人員指出，總體而言，AI算法“大大超過(guò)了放射科醫(yī)生的平均表現(xiàn)。” 接收器操作員特征曲線(AUC-ROC)下的AI面積比一般放射線醫(yī)師高出11.5%的絕對(duì)余量。

“在這項(xiàng)研究中，我們提出了一個(gè)在放射診斷乳腺癌的臨床相關(guān)任務(wù)方面勝過(guò)放射線醫(yī)師的AI系統(tǒng)，” MS Mayer McKinney，MS及其同事寫(xiě)道。“這些結(jié)果在代表不同篩查人群和實(shí)踐的兩個(gè)大型數(shù)據(jù)集中得到。”

該算法還導(dǎo)致數(shù)據(jù)集和英國(guó)數(shù)據(jù)集的假陽(yáng)性結(jié)果絕對(duì)減少了5.7%和1.2%。

作者寫(xiě)道：“假陽(yáng)性可能導(dǎo)致患者焦慮，不必要的隨訪和侵入性診斷程序。”

麥金尼等人。他還指出，盡管無(wú)法確定確切的模式，但AI算法和人體放射學(xué)家不同意某些發(fā)現(xiàn)。他們補(bǔ)充說(shuō)，“這暗示著AI系統(tǒng)和人類(lèi)讀者在達(dá)成準(zhǔn)確結(jié)論方面的潛在互補(bǔ)作用。”

《自然》雜志還發(fā)表了關(guān)于放射學(xué)院首席研究官Etta D. Pisano，MD撰寫(xiě)的發(fā)現(xiàn)的評(píng)論。Pisano探索了AI的潛力以及這項(xiàng)新研究的局限性。

她寫(xiě)道：“麥金尼及其同事的研究結(jié)果表明，人工智能有一天可能會(huì)有助于乳腺癌的早期發(fā)現(xiàn)，但是作者正確地指出，將需要進(jìn)行臨床試驗(yàn)以進(jìn)一步評(píng)估該工具在醫(yī)學(xué)實(shí)踐中的實(shí)用性。” 。“與本研究報(bào)告的受控研究環(huán)境相比，現(xiàn)實(shí)世界更加復(fù)雜，并且可能更加多樣化。例如，該研究并未包括當(dāng)前使用的所有不同的乳腺X射線攝影技術(shù)，并且大多數(shù)圖像是使用來(lái)自一家制造商的乳腺X射線攝影系統(tǒng)獲得的。”