AI乳房X线照相术——通过扫描就可进行癌症诊断

图片来源:iStock / Steve Debenport

乳房X光检查可以降低乳腺癌死亡率是一个公认的事实。筛选相关的高误报率假性加速了IBM、麻省理工学院计算机科学和人工智能实验室以及其他地方的AI驱动系统的开发。但他们进行的实验都不精准,因为大多数模型只进行了一次筛选考试。。

这一缺陷促使纽约大学数据科学中心和放射学系的一组研究人员提出了一个机器学习框架(“筛查乳房x线照片分类与先前的检查”),利用先前的检查做出诊断。他们说,在初步测试中,它降低了基线的错误率,并在预测筛查人群的恶性肿瘤时,达到了0.8664的曲线下面积(在所有分类阈值下的性能指标)。

“放射科医生经常将目前的乳房x线照片与之前的照片进行比较,以便做出更明智的诊断,”合著者写道。例如,如果一个可疑的区域随着时间的推移变得越来越大或密度越来越大,放射科医生就会更加确信它是恶性的。相反,如果一个可疑的区域没有增长,那么它可能是良性的。”

该团队在纽约大学(New York University)开源乳腺癌筛查数据集上训练了一组机器学习模型,每组筛查中至少包含一张图像,对应于乳房x线摄影筛查中常用的四种视图(右颅尾侧、左颅尾侧、右中外侧斜肌和左中外侧斜肌)。他们使用了四种二元标签来表示左乳或右乳有无良、恶性的发现,并且只考虑了包括患者在内的数据集的子集,而这些数据集之前的检查是可用的。

收集的语料库包含来自43,013名患者的127,451对检查,其中2,519对至少进行了一次活检。

该团队在数据上训练了一组机器学习模型,然后仅使用一部分训练数据集来比较他们的表现。他们指出,良性预测的基线没有可观察到的改善,这归因于算法倾向于关注具有显着变化的扫描区域。(并没有很多变化伴随良性发现。)但他们发现其中一个模型—AlignLocalCompare,在恶性发现方面显示出实质性改善,预测肿瘤的可能性为0.97概率与基线的预测值为0.73,约为一年中两名患者两次检查之间的差距。

来源:,文章为原文作者独立观点,不代表AI锐见立场。

0

扫一扫,分享到微信

猜你喜欢

文章评论

电子邮件地址不会被公开。 必填项已用*标注

后发表评论

上一篇

Facebook研发脑机接口,仅凭说话就可读取人们大脑活动

下一篇

Apple在数据共享项目中加入Google,Facebook和Twitter,用户可以更加轻松地移动数据

微信公众号

微信公众号