乳腺癌是美国女性致死率第二高的癌症疾病，2015年该国有2 3.2 万人确诊乳腺癌并有4万人因此离世。尽管乳房X光检查已经得到普及，但这项检查手段并不总是可靠，大约有10%到15%的被检查者需要接受进一步的诊断。现在，麻省理工学院计算机科学和 人工智能 实验室（CSAIL）开发了一种能够依据乳房X光片判断病人是否会在五年内患上乳腺癌的机器学习模型。
乳房X光片
“与过去一成不变的检测方法不同，我们会为女性制定针对个人的方案，”研究者之一的Regina Barzilay表示，“例如，医生可以建议部分女性每两年进行一次X光检查，而具有高患病风险的女性则需要接受进一步的核磁共振检查。”
研究者们认为，许多乳腺癌风险模型看重年龄、家庭病史、生育史和乳房密度等因素，但其中一些因素的相关性并没有那么高。他们使用6万个病人的9万张乳房X光影像训练这个基于Google AI 开发出的AI系统对乳腺癌的诊断能力。除此之外，研究者还表示该AI系统对不同种族人群的诊断精度同样准确，在实验中，AI模型面对高患病风险人群的X图像实现了31%的诊断正确率，高于传统模型的18%。此外，这项研究还为未来其它病症AI诊断系统的开发奠定了基础。
