Mirai：更早發現乳癌 減少篩檢傷害
乳房X光檢查（Mammogram）用於檢測沒有乳癌徵兆或症狀的女性的乳房變化。
世界各地的衛生組織支持Mammogram篩檢以實現早期癌症檢測，並且它已經證明了其價值，可將死亡率降低20-40%。
雖然這是一個用於早期檢測的最佳工具，但有很多亟待改進的地方：假陽性、假陰性、圖像解讀中的人為差異以及缺乏專業放射科醫生……
而Mirai作為一個深度學習系統，可以借助人工智慧的力量來預測乳癌的形成，它包括三項關鍵創新：
- 時間點聯合建模
- 非圖像風險因素的選擇性使用
- 確保跨臨床環境中性能一致性
這使得Mirai能夠提供準確的風險評估，並適應不同的臨床環境。
Mirai不僅可預測患者在未來不同時間點的風險，還可納入年齡和家族史等臨床風險因素（如果有的話）。
此外，它還能在微小的臨床差異（如不同的乳腺X射線照相設備）情況下保持穩定的預測結果。
該模型很有前途的一點在於，它能夠適用於不同人種。
Mirai對白人和黑人女性的準確率相當，鑑於黑人女性的乳癌死亡率比白人婦女高出43%，這是一項重大進步。
大規模驗證
為了將基於圖像的風險模型整合到臨床護理中，研究人員需要對算法進行改進，並在多家醫院進行大規模驗證。
研究小組利用麻省總醫院（MGH）的20萬多份檢查結果對Mirai進行了訓練，並利用麻省總醫院、瑞典卡羅林斯卡研究所和台灣長庚紀念醫院的數據對其進行了驗證。
現在安裝在MGH的Mirai在預測癌症風險和識別高危人群方面的準確性明顯高於以前的方法。
它的表現優於Tyrer-Cuzick模型，識別出的未來癌症診斷數量幾乎是Tyrer-Cuzick模型的兩倍。
而且，在不同種族、年齡組、乳房密度類別和癌症亞型中，Mirai都能保持準確性。
CSAIL博士生、論文的第一作者Adam Yala說，「改進後的乳癌風險模型能夠實現有針對性的篩檢策略，與現有指南提供的方法相比，可以更早發現乳癌並減少篩檢傷害。」
該團隊正與來自全球不同機構的臨床醫生合作，在不同人群中進一步驗證該模型，並研究其臨床實施情況。
目前，研究人員正在改進Mirai，利用患者的完整影像病史，並結合斷層合成等先進篩檢技術。
這些改進措施可以完善風險篩檢指南，為高風險人群提供更敏感的篩檢，同時減少其他不必要的程序。
將AI應用於乳癌檢測的更多研究
不止Mirai，Science還推薦了有關AI檢測乳癌的更多研究。
為了提高乳癌的生存率，研究人員設計了一種可穿戴超聲波設備，可以讓患者在早期階段檢測到腫瘤，這項研究同樣來自MIT。
麻省理工學院工程學院院長Anantha Chandrakasan、電子工程和計算機科學教授Vannevar Bush，以及一位該研究作者說道：
「這項工作將利用材料、低功耗電路、人工智慧算法和生物醫學系統方面的進步，極大地推動超聲波研究和醫療設備設計。」
「並且為乳癌的檢測和早期診斷提供了一項基本能力，而這是取得積極療效的關鍵。」
除此之外，此前《紐約時報》有過一則「AI檢測出了醫生遺漏的乳癌」的相關報導。
報導稱，匈牙利已成為人工智慧軟體發現癌症的主要試驗場，醫生們正在爭論這項技術是否會取代他們的醫療工作。
2016年，世界領先的人工智慧研究人員之一Geoffrey Hinton認為，該技術將在五年內超越放射科醫生的技能。
「我認為，如果你是一名放射科醫生，你就像動畫片裡的Wile E. Coyote」，他在2017年對《紐約客》說。
「你已經在懸崖邊上了，但你還沒有往下看，下面是看不到地面的深淵。」
Hinton所言非虛，在Science發布的推特中，就有一篇研究發現，使用人工智慧的醫生比不使用人工智慧的醫生更容易發現乳癌。
這項研究表明，人工智慧還能自動處理一半以上的掃描，大大減輕放射科醫生的工作量。
將研究推向市場
Science在X上還特別提到了一個人——Dr. Connie Lehman。
Connie Lehman是哈佛醫學院放射學教授兼麻薩諸塞州總醫院放射專家，也是本文開頭具有奠基性作用的論文的合著者。
她早在1998年開始從事計算機輔助設計(CAD)工作時，就對其改善乳癌檢測的潛力充滿熱情。