Google的AI模型在乳腺癌的檢測預測方面勝過放射線醫(yī)師

小編發(fā)現(xiàn)不少朋友對于Google的AI模型在乳腺癌的檢測預測方面勝過放射線醫(yī)師這方面的信息都比較感興趣，小編就針對Google的AI模型在乳腺癌的檢測預測方面勝過放射線醫(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，基于深度學習的AI模型比放射科醫(yī)生可以更準確地識別乳腺癌。這對于癌癥檢測的未來意味著什么?

這項研究的作者包括來自Google Health的幾位代表，他們對來自英國25,000多名患者和3,000多名女性的乳房X光照片進行了AI算法的培訓。為了將算法的性能與人類專家進行比較，研究小組要求一個獨立的獨立研究組織進行一項涉及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)集中隨機選擇的500幅乳房X線照片，放射科醫(yī)生使用BI-RADS分數(shù)對每張圖像進行評分。

研究人員指出，總體而言，AI算法“大大超過了放射科醫(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%的絕對余量。

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

該算法還導致數(shù)據(jù)集和英國數(shù)據(jù)集的假陽性結(jié)果絕對減少了5.7%和1.2%。

作者寫道：“假陽性可能導致患者焦慮，不必要的隨訪和侵入性診斷程序。”

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

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

她寫道：“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，將需要進行臨床試驗以進一步評估該工具在醫(yī)學實踐中的實用性。” 。“與本研究報告的受控研究環(huán)境相比，現(xiàn)實世界更加復雜，并且可能更加多樣化。例如，該研究并未包括當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)圖像是使用來自一家制造商的乳腺X射線攝影系統(tǒng)獲得的。”