最近美國癌症協會一份報告預計， 美國今年約有40000名女性死於乳腺癌。 造成該結果的原因之一， 是診斷癌症腫瘤所需的時間太長——對此， 研究人員們一直強調改進癌症的檢測和預防， 如果疾病在治癒率較高的早期階段就被發現， 往往能挽救更多生命。
現在， 一個由麻省理工學院電腦科學與人工智慧實驗室（MIT’s Computer Science and Artificial Intelligence Laboratory， CSAIL）、麻塞諸塞州總醫院（Massachusetts General Hospital）和哈佛醫學院（Harvard Medical School）科學家們組成的團隊認為， AI技術可以解決這個難題。
從左至右：麻塞諸塞州總醫院乳腺成像研究專案主任Manisha Bahl， 麻省理工學院教授Regina
用AI排查乳腺癌， 可以避免手術“一刀切”
目前， 乳腺X射線檢查（Mammograms）是乳腺癌的最佳診斷工具——從X光片上看到可疑的病變組織之後， 需要對患者進行針刺活檢以檢測是否患癌。
然而， 這一工具總會存在風險， 譬如誤診。 當嘗試提高可以識別的癌症數量時， “假陽性”的結果也會增加， 導致患者進行不必要的活檢和手術。
也就是說， “假陽性”的一個常見原因是所謂的“高風險”病變， 當通過針刺活檢進行測試時， 這些病變在乳腺X射線照片上看起來很可疑， 並且具有異常細胞。 這種情況下， 醫生通常採取不同的措施：有些醫生對所有的”高危病變“都進行手術去除， 有些則對“較高癌症發生率的病變”進行手術， 例如“非典型乳管增生”（ADH）或“小葉原位癌”（LCIS）。
第一種方法要求患者經歷痛苦、耗時且昂貴的手術， 甚至有些手術毫無必要；第二種方法也存在不精確的情況， 可能導致ADH和LCIS以外的“高風險病變”成為漏網之“癌”。
圖：乳腺X射線檢查儀
那麼如何避免不必要的手術， 同時仍然保持乳腺X射線檢查的重要作用？
開篇所提到的三位女科學家團隊， 聯手開發了一套機器學習模型， 被稱為“隨機森林分類器（random-forest classifier）”的方法， 並讓它接受了600個高風險病灶的分析訓練。
在綜合了家族遺傳史、人口統計、以及過往的組織活檢和病理報告等資訊之後， 該模型對 335 個病灶（最終升級為癌症的病患）進行了測試，
這項研究的結論是：在將該機器學習模型引入常規診斷實踐後， 超過30%的良性病灶切除術是可以避免的。
同時。 該技術的工作速度比乳腺X射線檢查快30倍——據估計， 醫生需要50-70個小時來分析50名乳腺癌患者， 而該技術只需要約30分鐘， 相當於提高了100倍。
圖：數位化乳腺X射線檢查
這一系統或許能替代傳統的乳腺X射線片子， 説明女性做出明智的決定， 採取最好的治療方法。
Regina Barzilay是麻省理工學院電子工程與電腦科學教授， 同時也是一名乳腺癌倖存者， 她認：“當資料有這麼多的不確定性時， 機器學習就是我們需要的、用於改進檢測和防止過度治療的工具， 這是一個趨勢。 ”
哈佛醫學院教授及麻塞諸塞州總醫院放射科的乳腺成像科主任Constance Lehman是這個項目的參與者之一。 她強調， “據我們所知， 這是第一個將機器學習應用於區分需要進行手術的高風險病變和不需要進行手術的高風險病變的研究。 ”
Lehman介紹， 過去， 醫生可能會建議所有高風險的病變都要進行手術切除。 但現在，如果該模型確定病變對特定患者來說的癌變機率很低，我們可以與病人就她的選擇採取更有針對性的醫療方法。
她還透露，麻塞諸塞州總醫院放射科的醫生將從明年開始將該模型納入其臨床實踐。
麻塞諸塞州總醫院乳腺成像研究項目主任Manisha Bahl也支援這種看法，她表示，她們的目標是在臨床環境中應用該工具。未來，他們希望將乳腺X射線照片、病理幻燈片圖像（ images of the pathology slides）、以及醫療記錄中更廣泛的患者資訊結合，從而將該模型發展成為適用於其他類型的癌症甚至完全是其他類型的疾病。
Debashish Ghosh則認為，儘管人工智慧技術很強，但是更適合美國而不是英國，因為統計顯示在英國只有不到5%的患者接受了乳腺癌手術，而在美國這一比例是30%，說明英國患者本就有自己的選擇。
有關這項研究的詳情，已經發表在近日出版的《放射學》（Radiology）期刊上。
<資料合輯：1、美國癌症協會研究報告；2、乳腺X射線檢查（Mammograms）存在風險；3、“用AI排查乳腺癌”研究報告。資料獲取方式：關注科技行者公眾號（itechwalker），並打開對話介面，回復關鍵字“乳腺癌”，即可獲得下載地址。>
但現在，如果該模型確定病變對特定患者來說的癌變機率很低，我們可以與病人就她的選擇採取更有針對性的醫療方法。她還透露，麻塞諸塞州總醫院放射科的醫生將從明年開始將該模型納入其臨床實踐。
麻塞諸塞州總醫院乳腺成像研究項目主任Manisha Bahl也支援這種看法，她表示，她們的目標是在臨床環境中應用該工具。未來，他們希望將乳腺X射線照片、病理幻燈片圖像（ images of the pathology slides）、以及醫療記錄中更廣泛的患者資訊結合，從而將該模型發展成為適用於其他類型的癌症甚至完全是其他類型的疾病。
Debashish Ghosh則認為，儘管人工智慧技術很強，但是更適合美國而不是英國，因為統計顯示在英國只有不到5%的患者接受了乳腺癌手術，而在美國這一比例是30%，說明英國患者本就有自己的選擇。
有關這項研究的詳情，已經發表在近日出版的《放射學》（Radiology）期刊上。
<資料合輯：1、美國癌症協會研究報告；2、乳腺X射線檢查（Mammograms）存在風險；3、“用AI排查乳腺癌”研究報告。資料獲取方式：關注科技行者公眾號（itechwalker），並打開對話介面，回復關鍵字“乳腺癌”，即可獲得下載地址。>