雪伦硅胶义乳：如今，要问在科技界什么流行？答案就是：AI。

AI，是什么？AI，其实就是人工智能的英文“Artificial Intelligence”的缩写。

人工智能的理论很复杂，也很深奥，但这不足以疏远人工智能与我们的距离。最具典型意义的人工智能，便是大家再熟悉不过的机器人。

是的，以机器人为代表的人工智能已经开始影响我们的生活，从排队到购物，甚至在医疗领域，更是能看到很多人工智能的身影。乳腺癌的诊断、治疗，也不例外。

“假阳性”诊断结果很恼人

目前，乳腺X射线检查是乳腺癌的佳诊断工具，因为，从X光片上，医生可以看到可疑的病变组织，然后通过针刺活检，以检测是否患癌。

但是，这一方式总会存在风险，比如误诊，也就是我们经常会遇到的“假阳性”结果。

“假阳性”的诊断结果，不仅会多耗费病人的财力与精力，导致患者进行不必要的活检和手术，更容易对患者的心理产生大起大落的影响。

而“假阳性”之所以常见的一个原因就是所谓的“高风险”病变，当通过针刺活检进行测试时，这些病变在乳腺X射线照片上看起来很可疑，并且具有异常细胞。

这种情况下，医生通常采取不同的措施：有些医生对所有的“高危病变”都进行手术去除，有些则对“较高癌症发生率的病变”进行手术，例如“非典型乳管增生”或“小叶原位癌”。

第一种方法要求患者经历痛苦、耗时且昂贵的手术，甚至有些手术毫无必要；

第二种方法也存在不精确的情况，可能导致“非典型乳管增生”或“小叶原位癌”以外的“高风险病变”成为漏网之“癌”。

人工智能来帮忙

那么，有没有什么办法来降低诊断结果的假阳性，使得患者在避免不必要的手术同时，仍然保持乳腺X射线检查的重要作用？

近日，三位女科学家团队联手开发了一套机器学习模型，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和病理报告等信息之后，该模型对 335 个病灶（升级为癌症的病患）进行了测试，结果准确诊断了97％的乳腺癌是恶性肿瘤，而传统方法仅为79％。

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。

同时，该技术的工作速度比乳腺X射线检查快30倍——据估计，医生需要50-70个小时来分析50名乳腺癌患者，而该技术只需要约30分钟，相当于提高了100倍。

这一系统或许能替代传统的乳腺X射线片子，帮助女性做出明智的决定，采取最好的治疗方法。

雷吉纳（Regina Barzilay）是麻省理工学院电子工程与计算机科学教授，同时也是一名乳腺癌幸存者。

她认为：“当数据有这么多的不确定性时，机器学习就是我们需要的、用于改进检测和防止过度治疗的工具，这是一个趋势。”

哈佛医学院教授及马萨诸塞州总医院放射科的乳腺成像科主任雷曼（Constance Lehman）也是这个项目的参与者之一。

她强调，“据我们所知，这是第一个将机器学习应用于区分需要进行手术的高风险病变和不需要进行手术的高风险病变的研究。”

雷曼介绍，过去，医生可能会建议所有高风险的病变都要进行手术切除。

但现在，如果该模型确定病变对特定患者来说的癌变机率很低，那么医疗人员就可以与病人就她的选择采取更有针对性的医疗方法。

马萨诸塞州总医院乳腺成像研究项目主任鲍尔（Manisha Bahl）也支持这种看法。

她希望，未来能将乳腺X射线照片、病理幻灯片图像以及医疗记录中更广泛的患者信息结合，从而将该模型推广到其他类型的癌症诊断，甚至完全是其他类型的疾病诊断中。

当工作量变大时，人工智能的大优势才能体现出来——它永远不会疲倦。而面对未来巨大的癌细胞检测需求，人工智能检测技术拥有人力无法匹敌的高效率。

科技，总能点亮我们的生活。