夜雨聆风乳房x光检查异常的女性通常要等上几周才能知道自己是否患有乳腺癌。
现在，加州大学旧金山分校和加州大学伯克利分校的研究人员已经找到了一种方法，通过使用人工智能快速识别最有可能患有这种疾病的人，来帮助减少等待和担忧。通过对这些患者进行分类，人工智能指导的工作流程可以在一天内完成从成像到评估，有时甚至是活检的诊断过程。
“这真是一个激动人心的时刻，”医学博士Maggie Chung说，她是这项研究的第一作者，该研究发表在5月19日的《自然数字医学》杂志上。“这使我们离个性化护理更近了一步，在那里我们可以量身定制一个计划，以便每个病人在正确的时间得到正确的干预。”
研究人员使用了一种名为Mirai的开源人工智能模型，该模型是由该研究的资深作者、加州大学伯克利分校数据科学家亚当·亚拉博士开发的。在接受了数十万张与患者癌症结果相关的乳房x光照片的培训后，该模型可以识别筛查乳房x光照片中的细微模式，并以比单独工作的医生更有效的方式预测女性的癌症风险。
Chung和Yala将该模型应用于扎克伯格旧金山综合医院和创伤中心的4100多张乳房x光检查。Mirai确定525名女性（约占筛查患者的12.7%）是高危人群。
这些患者可以在做完乳房x光检查后立即得到解释，并在同一天对任何可疑部位进行额外的诊断成像。一些需要活组织检查的妇女也能在同一天完成。
Mirai将诊断评估的等待时间从几周缩短到大约一个小时。对于那些最终被诊断出患有乳腺癌的人来说，Mirai将活检的平均等待时间从两个多月缩短到不到10天。
Mirai不会取代放射科医生，也不会自行诊断。相反，它是一个分诊工具，可以帮助医生确定哪些患者可以从加速护理中获益最多。
“这是人工智能如何成为医生合作伙伴的一个强有力的例子，”Yala说，她和Chung一起是加州大学旧金山分校-加州大学伯克利分校计算精确健康联合项目的助理教授。“这表明，当我们把临床医生和数据科学家聚集在一起设计这些系统时，我们可以如何改善护理。”
在启动该项目之前，研究人员分析了超过11.4万份乳房x线照片档案，以确保该模型能够捕捉到足够多的高风险患者，而不会让诊所承受太多的快速评估。
研究人员希望人工智能将培养一种更加个性化的乳腺癌筛查方法，根据每位患者的乳腺癌风险量身定制。
现在，许多女性都遵循同样的筛查计划，但她们的个人风险可能会大不相同。人工智能风险评估使我们有机会确定最有可能从快速护理中受益的妇女，并为她们提供所需的服务。”该研究的第一作者Maggie Chung说。
参考文献
Prospective deployment of AI-based risk stratification to enable expedited mammography workflow in a safety-net setting
