AI模型提早5年預警乳腺癌，MIT研究登Science獲LeCun轉發

新智元報導  

編輯：庸庸 祖楊

【新智元導讀】科學家正在通過AI的力量，改變乳腺癌的現狀。

在全球範圍內，每年有超過60萬名女性因乳腺癌而無法存活。

美國有八分之一的女性一生中會被診斷出患有乳腺癌。

這些數字聽起來很可怕，但並非毫無希望。

當處於最早的局部階段時， 5年相對生存率為 99%。近年來，早期檢測和治療方法的進步顯著提高了乳腺癌的生存率，目前美國有超過400萬乳腺癌倖存者。

AI，就是這項進步背後的一個重要推動性力量。

近日，Science在X上連發多篇帖子，展現了AI在乳腺癌檢測方面的應用潛力。

「人工智能提前5年檢測出乳腺癌」。

這條推文不僅得到了Lecun的轉發，也引發了大量網民的討論。

AI對人類社會的影響，絕不只有當下大熱的生成式AI，更可能「going to save lives」，為人類減少病痛，帶來福祉。

MIT  CSAIL實驗室和Jameel Clinic的科學家創建了一個深度學習系統「Mirai」，可以根據傳統的乳房X光檢查來預測乳腺癌風險。

論文地址：https://www.science.org/doi/10.1126/scitranslmed.aba4373

「Mirai」標誌著向個性化癌症篩查和更好的患者治療結果邁出了重要一步。

Mirai：更早發現乳腺癌 減少篩查傷害

乳房X光檢查（Mammogram）用於檢測沒有乳腺癌體徵或症狀的女性的乳房變化。

世界各地的衛生組織支持Mammogram篩查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，可以借助人工智能的力量來預測乳腺癌的形成，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，鑒於黑人女性的乳腺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，「改進後的乳腺癌風險模型能夠實現有針對性的篩查策略，與現有指南提供的方法相比，可以更早發現乳腺癌並減少篩查傷害。」

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查技術。

這些改進措施可以完善風險篩查指南，為高風險人群提供更敏感的篩查，同時減少其他不必要的程序。

將AI應用於乳腺癌檢測的更多研究

不止Mirai，Science還推薦了有關AI檢測乳腺癌的更多研究。

為了提高乳腺癌的生存率，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、人工智能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。」

「並且為乳腺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腺癌」的相關報導。

報導稱，匈牙利已成為人工智能軟件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，世界領先的人工智能研究人員之一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，你就像動畫片里的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發佈的Twitter中，就有一篇研究發現，使用人工智能的醫生比不使用人工智能的醫生更容易發現乳腺癌。

這項研究表明，人工智能還能自動處理一半以上的掃瞄，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馬莎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，就對其改善乳腺癌檢測的潛力感到興奮。

她堅信CAD技術將幫助放射科醫生發現更多癌症、實現早期診斷，並有可能產生更高的治癒率。

但故事並沒有像她想像的那樣結束。

「雖然實驗室的研究發現CAD可以發揮作用，但它並沒有在臨床上產生我們所希望的影響。」

Lehman回憶道，「但我謹慎樂觀地認為，新的人工智能模型將更成功地利用計算機的力量來增強成像的影響。」

如今的Lehman正在將Mirai背後的技術推向市場，創辦了Clairity。

Clairity致力於利用人工智能的進步讓醫學圖像釋放出新的見解，準確地識別出那些患癌症風險最高的人。

值得一提的是，Dr.Lehman對自己的研究成果相當低調，這個消息還是Lehman的兒子透露給Science的。

後來又獲得了Science的轉發。

並寫下了「AI CAN BE GOOD!」這樣令人充滿期冀的文字。

https://news.mit.edu/2021/robust-artificial-intelligence-tools-predict-future-cancer-0128

https://www.cnn.com/videos/health/2023/03/07/artificial-intelligence-breast-cancer-detection-mammogram-cnntm-vpx.cnn

https://news.mit.edu/2023/wearable-ultrasound-scanner-breast-cancer-0728