IBM發布最新AI模型！可預測一年內惡性乳腺癌轉化概率

智東西（公眾號：zhidxcom）

編 | 趙佳蕊

導語：IBM研究中心的科學家發布了一個人工智慧模型，該模型能夠預測患者一年內惡性乳腺癌的發展情況。

智東西6月19日消息，在本月發表在《放射學》雜誌上的一篇論文中，位於以色列海法的IBM（國際商業機器公司） 研究中心的科學家詳細介紹了一款能夠預測患者一年內惡性乳腺癌的發展情況的人工智慧模型。

同行評議的結果表明，他們的系統正確預測了87%的癌症和77%的良性病例的發展。此外，該模型還接受了9611張乳房X光片和健康記錄的新資料庫的訓練，能夠在48%的人身上識別出乳腺癌，而其他人則不會被標記出來，其準確度可以與放射科醫生相媲美（根據美國數字乳房X光檢查標準定義）。

下面我們來看看這個人工智慧模型的運作流程。

一、包含52936張圖像的數據集

為了編製數據集，IBM 研究人員、放射學論文的合著者Chorev和他的同事採集了乳腺攝影圖像，這個圖像與臨床數據、關於患者電子健康記錄的生物標誌物相關。這個圖像包括（但不限於）甲狀腺功能、生殖史、白細胞概況、代謝綜合征和其他信息。

這些數據來自活組織檢查的隨訪、癌症登記數據、實驗室結果以及其他各種程序和診斷的代碼。他們將這些數據輸入一個機器學習模型，該模型繪製了臨床風險因素之間的聯繫圖，以預測活檢結果，並區分正常和異常的篩選檢查。

他們的數據集包含了來自13234名婦女的52936張圖像，這些婦女在2013年至2017年間接受了至少一次乳房X光檢查，並且在乳房X光檢查之前至少有一年的健康記錄。

二、用AI評估乳腺腫瘤異常分化概率

一個人工智慧演算法在乳房X光片上為每個預測任務訓練，並提取這些任務以及每個視圖任務的概率。

最後，他們將成像特徵和整個臨床特徵的集合連接到一個患者的乳房表現圖中。使用單獨的人工智慧模型估計腫瘤活檢陽性或正常/異常分化的最終概率。

三、患乳腺癌風險升高的其他臨床因素

研究人員說，他們的系統找出了可能導致患乳腺癌風險升高的臨床因素，但在以前的工作中沒有使用，例如可以進行白細胞分布圖檢測和甲狀腺功能的測試。

Chorev表示，研究團隊將繼續分析這些臨床風險因素，以更好地了解它們的影響，以及它們與每個人的個性化風險之間的聯繫。

文章來源：VentureBeat

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！