一项新的研究发现，在大约一百万张乳腺x线摄影图像上进行训练的人工智能(ai)工具与放射线医生的分析相结合，可以识别出大约90%的准确率的乳腺癌。为了响应环保号召，以及保证信息的快速更新。atcc细胞株寄送时没有随货附带纸质版说明书。
在纽约大学医学院和纽约大学数据科学中心的研究人员的带领下，这项研究检查了14种放射线医师对720种放射线成像所做出的诊断的价值，该技术是一种机器学习计算机程序，可以为ai增值乳房x光照片。
我们的研究发现，人工智能可以在放射科医生无法识别的数据中识别出与癌症有关的模式，反之亦然，纽约大学朗格尼大学放射学系助理教授krzysztof j. geras博士说。
纽约大学数据科学中心的副教授geras博士说： ai检测到人眼看不见的组织中像素级的变化，而人类则使用了ai无法获得的推理形式。我们工作的最终目标是增加而不是替代人类放射科医生。
2014年，在美国进行了超过3900万例乳房x线检查，以筛查女性(无症状)是否患有乳腺癌，并确定需要进一步随访的女性。将其检查结果显示出异常的乳房x线检查结果的女性进行活检，该过程会去除一小部分乳腺组织以进行实验室检查。
一种识别乳腺癌的新工具
在这项新研究中，研究团队设计了统计技术，使他们的程序可以学习如何更好地完成一项任务，而无需确切地告诉他们如何做。这样的程序会构建数学模型，从而能够根据输入的数据示例进行决策，并且随着程序查看越来越多的数据，该程序将变得更智能。
受人脑启发的现代ai方法使用复杂的电路来分层处理信息，每个步骤将信息馈送到下一个步骤，并在此过程中或多或少地为每条信息分配重要性。
该研究的作者最近在《ieee transactions on medical imaging》杂志上在线发表了这篇文章，目前的研究作者在许多与过去进行的活检结果相匹配的图像上训练了他们的ai工具。他们的目标是启用该工具，以帮助放射科医生减少向前发展所需的活检数量。geras博士说，只有通过提高医师对筛查检查的评估准确性的信心(例如，减少假阳性和假阴性结果)，才能实现这一目标。
对于当前的研究，研究团队分析了在纽约大学朗格医疗中心七年作为常规临床护理的一部分而收集的图像，对收集的数据进行筛选，并将图像与活检结果联系起来。这组作者说，这项工作为他们的ai工具创建了一个非常庞大的数据集，可以对其进行训练，包括229,426次数字化乳腺x线检查和1,001,093张图像。迄今为止，研究中使用的大多数数据库仅限于10,000张或更少的图像。
因此，研究人员通过对其神经络进行编程来训练他们的神经络，以分析来自已经确定癌症诊断的数据库中的图像。这意味着研究人员在测试工具的准确性时就知道了每个乳房x线照片(无论是否癌症)的真相，而工具却不得不猜测。以正确预测的频率衡量准确性。
此外，研究人员设计了ai研究模型，首先要考虑全分辨率图像的很小部分，以创建热图，即疾病可能性的统计图。然后，程序会考虑整个乳房的与癌症相关的结构特征，并更加注意像素级热图中标记的区域。
研究人员没有自己确定要搜索的ai图像特征，而是自行发现哪些图像特征可以提高预测精度。展望未来，该团队计划通过对ai程序进行更多数据培训来进一步提高这种准确性，甚至可能识别尚未癌变但有潜力的乳房组织变化。