最近美國(guó)癌癥協(xié)會(huì)一份報(bào)告預(yù)計(jì)，美國(guó)今年約有40000名女性死于乳腺癌。造成該結(jié)果的原因之一，是診斷癌癥腫瘤所需的時(shí)間太長(zhǎng)——對(duì)此，研究人員們一直強(qiáng)調(diào)改進(jìn)癌癥的檢測(cè)和預(yù)防，如果疾病在治愈率較高的早期階段就被發(fā)現(xiàn)，往往能挽救更多生命。

現(xiàn)在，一個(gè)由麻省理工學(xué)院計(jì)算機(jī)科學(xué)與人工智能實(shí)驗(yàn)室（MIT’s Computer Science and Artificial Intelligence Laboratory，CSAIL）、馬薩諸塞州總醫(yī)院（Massachusetts General Hospital）和哈佛醫(yī)學(xué)院（Harvard Medical School）科學(xué)家們組成的團(tuán)隊(duì)認(rèn)為，AI技術(shù)可以解決這個(gè)難題。

從左至右：馬薩諸塞州總醫(yī)院乳腺成像研究項(xiàng)目主任Manisha Bahl，麻省理工學(xué)院教授Regina Barzilay，哈佛醫(yī)學(xué)院教授及馬薩諸塞州總醫(yī)院放射科的乳腺成像科主任Constance Lehman

用AI排查乳腺癌，可以避免手術(shù)“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后，需要對(duì)患者進(jìn)行針刺活檢以檢測(cè)是否患癌。

然而，這一工具總會(huì)存在風(fēng)險(xiǎn)，譬如誤診。當(dāng)嘗試提高可以識(shí)別的癌癥數(shù)量時(shí)，“假陽(yáng)性”的結(jié)果也會(huì)增加，導(dǎo)致患者進(jìn)行不必要的活檢和手術(shù)。

也就是說(shuō)，“假陽(yáng)性”的一個(gè)常見(jiàn)原因是所謂的“高風(fēng)險(xiǎn)”病變，當(dāng)通過(guò)針刺活檢進(jìn)行測(cè)試時(shí)，這些病變?cè)谌橄賆射線照片上看起來(lái)很可疑，并且具有異常細(xì)胞。這種情況下，醫(yī)生通常采取不同的措施：有些醫(yī)生對(duì)所有的”高危病變“都進(jìn)行手術(shù)去除，有些則對(duì)“較高癌癥發(fā)生率的病變”進(jìn)行手術(shù)，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(jīng)歷痛苦、耗時(shí)且昂貴的手術(shù)，甚至有些手術(shù)毫無(wú)必要；第二種方法也存在不精確的情況，可能導(dǎo)致ADH和LCIS以外的“高風(fēng)險(xiǎn)病變”成為漏網(wǎng)之“癌”。

圖：乳腺X射線檢查儀

那么如何避免不必要的手術(shù)，同時(shí)仍然保持乳腺X射線檢查的重要作用？

開(kāi)篇所提到的三位女科學(xué)家團(tuán)隊(duì)，聯(lián)手開(kāi)發(fā)了一套機(jī)器學(xué)習(xí)模型，被稱為“隨機(jī)森林分類器（random-forest classifier）”的方法，并讓它接受了600個(gè)高風(fēng)險(xiǎn)病灶的分析訓(xùn)練。

在綜合了家族遺傳史、人口統(tǒng)計(jì)、以及過(guò)往的組織活檢和病理報(bào)告等信息之后，該模型對(duì) 335 個(gè)病灶（最終升級(jí)為癌癥的病患）進(jìn)行了測(cè)試，結(jié)果準(zhǔn)確診斷了97％的乳腺癌是惡性腫瘤，而傳統(tǒng)方法僅為79％。

這項(xiàng)研究的結(jié)論是：在將該機(jī)器學(xué)習(xí)模型引入常規(guī)診斷實(shí)踐后，超過(guò)30%的良性病灶切除術(shù)是可以避免的。

同時(shí)。該技術(shù)的工作速度比乳腺X射線檢查快30倍——據(jù)估計(jì)，醫(yī)生需要50-70個(gè)小時(shí)來(lái)分析50名乳腺癌患者，而該技術(shù)只需要約30分鐘，相當(dāng)于提高了100倍。

圖：數(shù)字化乳腺X射線檢查

這一系統(tǒng)或許能替代傳統(tǒng)的乳腺X射線片子，幫助女性做出明智的決定，采取最好的治療方法。

Regina Barzilay是麻省理工學(xué)院電子工程與計(jì)算機(jī)科學(xué)教授，同時(shí)也是一名乳腺癌幸存者，她認(rèn)：“當(dāng)數(shù)據(jù)有這么多的不確定性時(shí)，機(jī)器學(xué)習(xí)就是我們需要的、用于改進(jìn)檢測(cè)和防止過(guò)度治療的工具，這是一個(gè)趨勢(shì)。”

哈佛醫(yī)學(xué)院教授及馬薩諸塞州總醫(yī)院放射科的乳腺成像科主任Constance Lehman是這個(gè)項(xiàng)目的參與者之一。她強(qiáng)調(diào)，“據(jù)我們所知，這是第一個(gè)將機(jī)器學(xué)習(xí)應(yīng)用于區(qū)分需要進(jìn)行手術(shù)的高風(fēng)險(xiǎn)病變和不需要進(jìn)行手術(shù)的高風(fēng)險(xiǎn)病變的研究。”

Lehman介紹，過(guò)去，醫(yī)生可能會(huì)建議所有高風(fēng)險(xiǎn)的病變都要進(jìn)行手術(shù)切除。但現(xiàn)在，如果該模型確定病變對(duì)特定患者來(lái)說(shuō)的癌變機(jī)率很低，我們可以與病人就她的選擇采取更有針對(duì)性的醫(yī)療方法。

她還透露，馬薩諸塞州總醫(yī)院放射科的醫(yī)生將從明年開(kāi)始將該模型納入其臨床實(shí)踐。

馬薩諸塞州總醫(yī)院乳腺成像研究項(xiàng)目主任Manisha Bahl也支持這種看法，她表示，她們的目標(biāo)是在臨床環(huán)境中應(yīng)用該工具。未來(lái)，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(yī)療記錄中更廣泛的患者信息結(jié)合，從而將該模型發(fā)展成為適用于其他類型的癌癥甚至完全是其他類型的疾病。

Debashish Ghosh則認(rèn)為，盡管人工智能技術(shù)很強(qiáng)，但是更適合美國(guó)而不是英國(guó)，因?yàn)榻y(tǒng)計(jì)顯示在英國(guó)只有不到5%的患者接受了乳腺癌手術(shù)，而在美國(guó)這一比例是30%，說(shuō)明英國(guó)患者本就有自己的選擇。

有關(guān)這項(xiàng)研究的詳情，已經(jīng)發(fā)表在近日出版的《放射學(xué)》（Radiology）期刊上。

<資料合輯：1、美國(guó)癌癥協(xié)會(huì)研究報(bào)告；2、乳腺X射線檢查（Mammograms）存在風(fēng)險(xiǎn)；3、“用AI排查乳腺癌”研究報(bào)告。資料獲取方式：關(guān)注科技行者公眾號(hào)（itechwalker），并打開(kāi)對(duì)話界面，回復(fù)關(guān)鍵字“乳腺癌”，即可獲得下載地址。>