乳腺癌是美国女性第二大常见癌症;截至2021年1月，美国有超过380万女性有乳腺癌病史。医生经常使用超声波、乳房X光检查、MRI或活检来发现或诊断乳腺癌。在一项新研究中，纽约大学和纽约大学阿布扎比分校(NYUAD)的研究人员报告称，他们开发了一种新型人工智能(AI)系统，在超声图像中识别乳腺癌方面达到了放射科医生级别的准确性。
他们的研究结果发表在《自然通讯》杂志上，题为 人工智能系统减少了乳房超声检查解释中的假阳性结果 ，论文由纽约大学计算机工程新兴学者、助理教授FarahShamout博士领导。和同事。
研究人员写道： 尽管乳腺超声检查一直被证明可以检测出乳腺X线隐匿性癌症，但其假阳性率很高。 在这项工作中，我们提出了一种人工智能系统，可以在超声图像中识别乳腺癌方面达到放射科医生级别的准确性。
此外，研究人员报告说，为了对图像进行分类，人工智能系统还以弱监督的方式定位病变。
该人工智能系统是使用纽约大学乳房超声数据集41开发和评估的，该数据集包含288,767次乳房检查(包括筛查和诊断检查)中的5,442,907张图像，这些图像是从2012年至2019年间在纽约纽约大学朗格健康中心检查的143,203名患者收集的， 研究人员。
人工智能系统的主要目标是减少误报结果的频率。它可以通过分配恶性肿瘤的概率来检测癌症，并突出显示与其预测相关的超声图像部分。
当研究人员进行了一项读者研究，将其诊断准确性与经过委员会认证的乳腺放射科医生进行比较时，该系统的准确率平均高于十名放射科医生。然而，聚合人工智能系统和放射科医生预测的混合模型在准确检测患者癌症方面取得了最佳结果。
我们的研究结果凸显了人工智能在提高乳腺超声诊断的准确性、一致性和效率方面的潜力， Shamout解释道。 重要的是，人工智能并不能取代临床医生的专业知识。然而，人工智能系统作为决策支持工具可以发挥强大的补充作用，使我们相信它们应该而且将会越来越多地转化为临床实践。
总之，我们研究了人工智能在美国考试评估中的潜力。我们在一项读者研究中证明，用足够多的数据训练的深度学习模型能够产生与经验丰富的放射科医生一样准确的诊断。我们进一步表明，人工智能和放射科医生之间的合作可以显着提高其特异性，并消除27.8%的活检请求。我们相信这项研究可以补充未来乳腺癌诊断的方法， 研究人员写道。
免责声明：本文由用户上传，如有侵权请联系删除！
标签： 上一篇以单核分辨率绘制成瘾相关的大脑奖励回路 下一篇
