利用人工智能改善早期乳腺癌檢測

僅在，每年就有40,000名女性死于乳腺癌。當癌癥早期發(fā)現(xiàn)時，它們通常可以治愈。乳房X線照片是最好的測試，但它們?nèi)匀徊煌昝?，并且?jīng)常導致假陽性結果，這可能導致不必要的活組織檢查和手術。

假陽性的一個常見原因是所謂的“高風險”病變，其在乳房X線照片上顯得可疑并且在通過針吸活檢測試時具有異常細胞。在這種情況下，患者通常接受手術以移除病變; 然而，90%的時間病變在手術中都是良性的。這意味著每年都有成千上萬的女性經(jīng)歷痛苦，昂貴，疤痕誘發(fā)的手術，這些手術甚至都不是必需的。

那么，如何在消除乳房X光檢查在癌癥檢測中的重要作用的同時，如何消除不必要的手術?麻省理工學院計算機科學與人工智能實驗室(CSAIL)，馬薩諸塞州綜合醫(yī)院和哈佛醫(yī)學院的研究人員認為，答案是轉向人工智能(AI)。

作為應用人工智能改善檢測和診斷的第一個項目，團隊合作開發(fā)了一個人工智能系統(tǒng)，該系統(tǒng)使用機器學習來預測乳房X線照片后針刺活檢時發(fā)現(xiàn)的高風險病變是否會在手術時升級為癌癥。

當對335個高風險病灶進行測試時，該模型正確診斷出97%的乳腺癌是惡性的，并且與現(xiàn)有方法相比，良性手術的數(shù)量減少了30%以上。

麻省理工學院電子工程和計算機科學三角洲電子學教授以及乳腺癌幸存者本人Regina Barzilay說：“由于診斷工具非常不精確，醫(yī)生可能會過度篩查乳腺癌。” “當數(shù)據(jù)存在很大的不確定性時，機器學習正是我們改進檢測和防止過度治療所需的工具。”

該模型根據(jù)600多種現(xiàn)有高風險病變的信息進行培訓，在許多不同的數(shù)據(jù)元素中尋找模式，包括人口統(tǒng)計學，家族史，過去的活組織檢查和病理報告。

“據(jù)我們所知，這是第一項將機器學習應用于區(qū)分需要手術的高危病灶和不需要手術的高危病灶的研究，”哈佛醫(yī)學院教授，??乳腺成像主任康斯坦斯雷曼說。 MGH放射科的分部。“我們相信這可以幫助女性做出更明智的治療決策，并且我們可以提供更有針對性的醫(yī)療保健方法。”

最近麥克阿瑟“天才補助金”獲得者，Barzilay是一篇描述結果的新期刊文章的合著者，與MGH的Lehman和Manisha Bahl共同撰寫，以及CSAIL研究生Nicholas Locascio，Adam Yedidia和Lili Yu 。這篇文章今天發(fā)表在醫(yī)學雜志放射學上。

當乳房X線照片檢測到可疑病變時，進行針吸活組織檢查以確定它是否是癌癥。大約70%的病變是良性的，20%是惡性的，10%是高危病變。

醫(yī)生以不同的方式管理高危病變。有些人在所有病例中做手術，而有些人僅對癌癥發(fā)病率較高的病變進行手術，如“非典型導管增生”(ADH)或“小葉原位癌”(LCIS)。

第一種方法要求患者經(jīng)歷痛苦，耗時且昂貴的手術，這通常是不必要的; 第二種方法是不精確的，可能導致ADH和LCIS以外的高危病變中的癌癥丟失。

“絕大多數(shù)患有高風險病變的患者都沒有癌癥，我們正試圖找到少數(shù)患者，”MGH放射科的同事巴爾說。“在這種情況下，總有一種風險，當你試圖增加你可以識別的癌癥數(shù)量時，你也會增加你發(fā)現(xiàn)的誤報數(shù)量。”

使用一種稱為“隨機森林分類器”的方法，與總是進行手術的策略相比，該團隊的模型導致更少的不必要的手術，同時還能夠診斷更多癌癥病變而不是僅在傳統(tǒng)的“高”手術中進行手術的策略 - 病變。“(具體而言，新模型診斷出97%的癌癥與79%相比。)

加州大學舊金山分校放射學和生物醫(yī)學成像系臨床信息學主任Marc Kohli說：“這項工作突出了使用尖端機器學習技術避免不必要手術的一個例子。” “這是邁向醫(yī)學界的第一步，它將機器學習作為識別人類無法看到的模式和趨勢的一種方式。”

雷曼表示，MGH放射科醫(yī)生將在明年開始將該模型納入其臨床實踐中。

“在過去，我們可能會建議手術切除所有高風險病灶，”雷曼說。“但現(xiàn)在，如果模型確定病變在特定患者中癌癥的可能性非常低，我們可以與患者就其選擇進行更明智的討論。一些患者的病變可能是合理的，然后是成像而不是手術切除。“

該團隊表示，他們?nèi)栽谂M一步磨練模型。

“在未來的工作中，我們希望將病理幻燈片的乳房X線照片和圖像中的實際圖像以及醫(yī)療記錄中更廣泛的患者信息納入其中，”Bahl說。

展望未來，該模型還可以輕松調(diào)整，以完全應用于其他類型的癌癥甚至其他疾病。

“如果你有許多與特定結果相關的不同因素，那么這樣的模型就會起作用，”Barzilay說。“它有望使我們能夠開始超越一種通用的醫(yī)療診斷方法。”