媒体:MIT CSAIL 作者:佚名
专业号:吴楚扶耒
2017/10/19 9:54:52
在被当前在用的诊断工具识别出有癌症高发风险之后,美国每年有近 4 万妇女经受着通过侵入性手术来切除部分乳腺组织的痛苦。然而在这些手术中,大多数组织都是良性的。于是对许多研究人员来说,改进检测和诊断工具,就成为了一个重要的课题。麻省理工学院(MIT)计算机科学与人工智能实验室(CSAIL)的研究人员们,就开发出了一套机器学习技术加持的人工智能系统,可用来预测哪部分高危组织最有可能发生癌变。
MIT CSAIL 开发的模型,可以减少假阳性和不必要的手术(via Adam Conner-Simons)
当前阶段,乳房 X 射线照片依然是发现乳腺癌的最重要的诊断工具。在从 X 光片上看到可疑的病变组织之后,随后会安排针刺活检。
一般来说,如果活检发现异常,患者就会被建议手术切除病灶。但在 90% 的情况下,这些疑似病灶组织都是良性的,显得外科手术并没有那么必要。
论文合著者 Regina Barzilay 表示:
由于诊断工具的不准确,医生对乳腺癌的过渡筛查呈现出了一种可以理解的趋势。但当数据存在很大的不确定的时候,机器学习就成为了一款改进检测和防止过度医疗的更合适工具。
来自 MIT CSAIL、麻省综合医院(MGH)、以及哈佛医学院的研究团队,联手开发了一套机器学习模型,并让它接受了 600 个高风险病灶的分析训练。
在综合了家族遗传史、人口统计、以及过往的组织活检等变量之后,该模型对 335 个病灶(最终升级为癌症的病患)进行了测试,结果诊断准确率达到了 97% 。
这项研究的结论是:
在将该机器学习模型引入常规诊断实践后,超过 30% 的良性病灶切除术是可以避免的。
有关这项研究的详情,已经发表在近日出版的《放射学》(Radiology)期刊上。
我也说两句 |
版权声明: 1.依据《服务条款》,本网页发布的原创作品,版权归发布者(即注册用户)所有;本网页发布的转载作品,由发布者按照互联网精神进行分享,遵守相关法律法规,无商业获利行为,无版权纠纷。 2.本网页是第三方信息存储空间,阿酷公司是网络服务提供者,服务对象为注册用户。该项服务免费,阿酷公司不向注册用户收取任何费用。 名称:阿酷(北京)科技发展有限公司 联系人:李女士,QQ468780427 网络地址:www.arkoo.com 3.本网页参与各方的所有行为,完全遵守《信息网络传播权保护条例》。如有侵权行为,请权利人通知阿酷公司,阿酷公司将根据本条例第二十二条规定删除侵权作品。 |