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充满热情。