IBM Research研究团队使用人工智能来解决早期乳腺癌检测的成功率。他们开发了一种算法，该算法是可以学习成像数据和患者全面健康史并做出决策的模型。它可以达到令人印象深刻的检测水平。另外，检测结果非常有启发性。这项研究发表在《放射学》杂志上。在IBM Research的官方博客中，研究人员描述了该团队的目标，贡献和成果。作为第一个做出决策的算法，该模型可以在所有分析中正确预测87％的乳腺癌病例的发展，并可以正确解释77％的非癌症病例。将临床数据添加到乳房X线照片中会显着增加AUROC（接收者操作特征下的区域）及其模型的灵活性。将该临床数据放入模型中，AUROC值为0.78，与旧的Gail风险预测模型相比，可以提高对乳腺癌的风险预测。此外，它还可以识别可能增加风险的临床因素，以及以前未经其他模型测试过的数据，例如白细胞分布图和甲状腺功能测试。首先，研究小组假设可以将结合机器学习和深度学习的模型应用于评估放射线医生水平的乳腺癌，并具有纳入临床实践的能力。事实证明，使用AI预测乳腺癌的准确性正接近放射科医生的水平。新的AI模型可以准确地预测一年内恶性乳腺癌患者的病情发展，从而减少接受不必要检查的女性患者数量。研究人员通过其在以色列的两家大型医疗服务提供商Maccabi Health Center和Assuta Medical Center获得了大量的志愿者乳房X射线照片和详细的个人临床数据，并分析了9611例乳房X射线照片和妇女。使用算法训练健康记录，以预测恶性活组织检查并区分正常筛查结果和异常筛查结果。研究团队表示，新的AI模型不会取代放射线医生，而是将成为第二只眼睛，以便使用其高度准确的预测来帮助进行后续治疗。