【CNMO新闻】2015年美国有23.2万人确诊乳腺癌并有4万人因此而死。尽管像乳腺影像这样的诊断技术已经得到了大规模应用，但该技术的诊断结果并不总是可靠。大约有10%到15%接受过乳腺影像检查会被要求接受进一步的活体检测。
这也是纽约大学（NYU）的研究者探索用AI提高乳腺癌检测准确率的方法的原因。在一篇发表于Arxiv.org的论文中，他们介绍了一种在探测乳腺肿瘤方面的0.895的深度卷积神经网络。NYU的研究者已经将这套AI系统的代码和预训练模型分享到了Github上。
乳腺癌
论文作者表示，在这个项目中，他们提出了一种新的神经网络架构，并根据活检证实的类别来更加高效地处理大量高分辨率的乳腺影像。经实验表明，该AI系统的诊断准确率和一位经验丰富的医生不相上下，因此它可以被用作医生诊断的补充以减少医生错诊的可能性。
对于每个接受了影像检查的乳腺癌患者，研究者们从四种类别标签里选出了两个分配给她们，并以此训练卷积网络。除此之外，他们还用医生此前提供的详细活体检测分析开发了一个补充性AI系统，随后用两种AI系统的预测结果为乳腺检测影像生成了热点图，并估计了存在恶性或良性肿瘤的可能性。
在涉及到740个随机选择的活检和非活检乳腺检查的实验中，两款AI模型对恶性和良性乳腺肿瘤的检测分别实现了0.738到0.895和0.642到0.779的AUC。为了进一步验证AI的可靠性，研究者找来了14位医生对1480个乳腺影像进行了诊断。无论如何，这都是开发癌症诊断AI模型的重要一步。
