基於乳房X線照影的新型機器學習算法可以更準確地估測女性患乳腺癌的風險
（神秘的地球uux.cn報道）據EurekAlert!：Adam Yala和同事的一項研究披露，一種基於乳房X線照影的新型機器學習算法可以比目前的風險模型更準確地估測女性患乳腺癌的風險。該算法已用全球3家大型醫院的數據集進行了測試，它可幫助臨床醫生構思乳癌篩查指南，滿足早期發現需求，並能同時減少假陽性、檢測成本以及其它與過度篩查有關的問題。
乳房造影是最常用的篩查乳癌方法，美國每年會進行超過3900萬次的該類檢查。然而，對它們的廣泛采用並非毫無異議。批評者說，該積極主動的篩查會導致難以為繼的醫療費用，增加患者的焦慮感及產生可觀的假陽性率。另一方麵，支持頻繁篩查者則認為，腫瘤須盡早發現；這種歧見導致了在何時應該開始篩檢及篩查頻度上前後矛盾的指南。
Yala等人推論，提高風險預測模型的準確性可裨助製定更好的指南。他們設計並訓練了一個名為Mirai的新模型，它能整合乳房照影數據，在多個時間點（例如1年或5年內）得到前後一致的乳癌風險評估。當對美國、瑞典和台灣3家醫院的10萬6615名患者的數據進行獨立測試時，Mirai辨識出了41.5％的會在5年內罹癌的病人。
相比之下，當前的方法—如Tyrer-Cuzick模型和Hybrid Deep Learning模型僅能分別確定22.9％和36.1％的患者。Mirai也能在不同人種和族裔中進行有效估測，因此它對在廣大異質性人群中製定篩檢指南的潛力提供了支持。