智东西（公众号：zhidxcom）
编 | 赵佳蕊

导语：IBM研究中心的科学家发布了一个人工智能模型，该模型能够预测患者一年内恶性乳腺癌的发展情况。

智东西6月19日消息，在本月发表在《放射学》杂志上的一篇论文中，位于以色列海法的IBM（国际商业机器公司） 研究中心的科学家详细介绍了一款能够预测患者一年内恶性乳腺癌的发展情况的人工智能模型。

同行评议的结果表明，他们的系统正确预测了87%的癌症和77%的良性病例的发展。此外，该模型还接受了9611张乳房X光片和健康记录的新数据库的训练，能够在48%的人身上识别出乳腺癌，而其他人则不会被标记出来，其准确度可以与放射科医生相媲美（根据美国数字乳房X光检查标准定义）。

下面我们来看看这个人工智能模型的运作流程。

一、包含52936张图像的数据集

为了编制数据集，IBM 研究人员、放射学论文的合著者Chorev和他的同事采集了乳腺摄影图像，这个图像与临床数据、关于患者电子健康记录的生物标志物相关。这个图像包括（但不限于）甲状腺功能、生殖史、白细胞概况、代谢综合征和其他信息。

这些数据来自活组织检查的随访、癌症登记数据、实验室结果以及其他各种程序和诊断的代码。他们将这些数据输入一个机器学习模型，该模型绘制了临床风险因素之间的联系图，以预测活检结果，并区分正常和异常的筛选检查。

他们的数据集包含了来自13234名妇女的52936张图像，这些妇女在2013年至2017年间接受了至少一次乳房X光检查，并且在乳房X光检查之前至少有一年的健康记录。

二、用AI评估乳腺肿瘤异常分化概率

一个人工智能算法在乳房X光片上为每个预测任务训练，并提取这些任务以及每个视图任务的概率。

最后，他们将成像特征和整个临床特征的集合连接到一个患者的乳房表现图中。使用单独的人工智能模型估计肿瘤活检阳性或正常/异常分化的最终概率。

三、患乳腺癌风险升高的其他临床因素

研究人员说，他们的系统找出了可能导致患乳腺癌风险升高的临床因素，但在以前的工作中没有使用，例如可以进行白细胞分布图检测和甲状腺功能的测试。

Chorev表示，研究团队将继续分析这些临床风险因素，以更好地了解它们的影响，以及它们与每个人的个性化风险之间的联系。

文章来源：VentureBeat