據(jù)麻省理工學(xué)院網(wǎng)站報道，該校計算機(jī)科學(xué)與人工智能實驗室開發(fā)了可改善早期乳腺癌檢測的相關(guān)模型，可以減少誤報和不必要的手術(shù)。在接下來的一年，麻省總醫(yī)院的放射科醫(yī)生將首先將模型轉(zhuǎn)化為臨床實踐。

僅在美國每年就有4萬名女性死于乳腺癌。如果能及早發(fā)現(xiàn)，癌癥通常都能治愈。乳房X光檢查是目前最佳的檢測，但這種方法仍不是十全十美的，經(jīng)常出現(xiàn)假陽性結(jié)果，導(dǎo)致了不必要的活檢和手術(shù)。

假陽性的一個常見原因是所謂的“高風(fēng)險”病變，有乳房X光檢查中顯得很可疑，在穿刺活檢時有異常細(xì)胞。這種情況下，患者通常會通過手術(shù)去除這一病變；但是，90%的時間里，該病變在手術(shù)時發(fā)現(xiàn)是良性的。這意味著每年有上千名女性經(jīng)歷了痛苦、昂貴的手術(shù)，留下疤痕，而這種手術(shù)甚至并不必要。

那么，在癌癥檢測中如何既能排除不必要的手術(shù)又能發(fā)揮乳房X光檢查的重要作用呢？美國麻省理工學(xué)院計算機(jī)科學(xué)與人工智能實驗室(CSAIL)、麻省總醫(yī)院（Massachusetts General Hospital）和哈佛醫(yī)學(xué)院（Harvard Medical School）的研究人員認(rèn)為解決辦法是尋求人工智能的支持。

作為首個應(yīng)用人工智能來改善檢測和診斷的項目，該研究團(tuán)隊聯(lián)合開發(fā)了一個人工智能系統(tǒng)，利用機(jī)器學(xué)習(xí)來預(yù)測經(jīng)乳房X光檢查、穿刺活檢發(fā)現(xiàn)的高風(fēng)險病變在手術(shù)時是否會升級成癌癥。

該模型在335處高風(fēng)險病變上進(jìn)行了測試，正確診斷了97%的乳腺癌為惡性，與現(xiàn)有方法相比，將良性手術(shù)的數(shù)量降低了30%?！坝捎谠\斷工具很不精確，醫(yī)生越來越過度篩查乳腺癌，這是可以理解的。”一名研究人員表示，同時，她也是一名乳腺癌幸存者?！皵?shù)據(jù)中的不確定性太多了，這時機(jī)器學(xué)習(xí)就正是我們改善檢測、防止過度治療所需的工具?！?/p>

該模型接受了600多個現(xiàn)有高風(fēng)險病變信息的訓(xùn)練，在人口統(tǒng)計學(xué)、家族史、過去活檢和病理報告等多個不同的數(shù)據(jù)元素中尋找特征。

“據(jù)我們所知，這是運用機(jī)器學(xué)習(xí)來辨別需要手術(shù)和無需手術(shù)的高風(fēng)險病變的第一個研究。”研究人員表示，“我們認(rèn)為，這能有助于女性對其治療作出更明智的決定，我們能夠為醫(yī)療保健提供更有針對性的方法?！泵枋鲈撗芯拷Y(jié)果的文章于2017年10月16日發(fā)表在醫(yī)學(xué)期刊《放射學(xué)》（Radiology）上。

如果乳房X光檢查發(fā)現(xiàn)了一處疑似病變，則進(jìn)行穿刺活檢確定其是否是癌癥。約70%的病變?yōu)榱夹裕?0%為惡性，10%為高風(fēng)險病變。

醫(yī)生處理高風(fēng)險病變的方式不盡相同。有些對所有病例進(jìn)行手術(shù)，有些則只對患癌率高的病變進(jìn)行手術(shù)，例如非典型性導(dǎo)管增生(ADH)或者小葉原位癌(LCIS)。

第一種方式會讓患者經(jīng)歷痛苦、耗時且昂貴的手術(shù)，而這種手術(shù)通常是不必要的；第二種方式不準(zhǔn)確，可能導(dǎo)致漏診了非典型性導(dǎo)管增生和小葉原位癌之外的高風(fēng)險病變相關(guān)的其他癌癥。

“具有高風(fēng)險病變的絕大多數(shù)患者都沒有癌癥，我們正在努力找出那些少數(shù)。”麻省總醫(yī)院放射科的醫(yī)生表示?！霸谶@種情況下，總是存在著風(fēng)險——如果我們努力提高能確診的癌癥數(shù)量，我們會發(fā)現(xiàn)假陽性數(shù)量也增加了?！?/p>

利用“隨機(jī)森林分類器”（random-forest classifier）這種方法，該研究團(tuán)隊的模型實現(xiàn)了不必要手術(shù)數(shù)量比“總是做手術(shù)”這種策略的少，能診斷出的癌性病變數(shù)量比“只基于傳統(tǒng)的高風(fēng)險病變進(jìn)行手術(shù)”這種方法多。（具體而言，該新模型診斷出97%的癌癥，而后者只有79%。）

“該工作是利用前沿機(jī)器學(xué)習(xí)技術(shù)來避免不必要手術(shù)的范例。”美國加利福尼亞大學(xué)舊金山分校（University of California at San Francisco）的研究人員指出?！斑@是醫(yī)學(xué)界利用機(jī)器學(xué)習(xí)來確定人類發(fā)現(xiàn)不了的模式和趨勢邁出的第一步?！?/p>

研究團(tuán)隊表示，從2018年開始麻省總醫(yī)院的放射科醫(yī)生將會把該模型應(yīng)用于臨床實踐。“過去，我們可能會建議所有的高風(fēng)險病變都通過手術(shù)切除?！痹撗芯咳藛T說，“但現(xiàn)在，如果這個模型確定某名患者的病變屬于癌癥的概率很低，我們就掌握了更多的信息與患者討論她的選擇。對于有些患者來說，對其病變進(jìn)行影像學(xué)方面的隨診比手術(shù)切除更合理。”

該團(tuán)隊表示仍在努力進(jìn)一步優(yōu)化該模型?！霸谖磥淼墓ぷ髦校覀兿Ｍ芗尤胝鎸嵉娜榉縓光檢查圖像和病理切片圖像，以及來自病歷的更詳細(xì)患者信息?！毖芯咳藛T說。隨著研究的推進(jìn)，該模型也可能很容易地調(diào)整用于其他類型的癌癥，甚至其他疾病。“如果我們有與某一結(jié)果相關(guān)的多個不同因子，這類模型就能工作?！毖芯咳藛T說，“在它的幫助下，我們有望改變醫(yī)療診斷中的‘一刀切’方法?！?/p>