每年，僅僅在美國(guó)就有40,000女性因乳腺癌死亡。當(dāng)癌癥在早期階段得到發(fā)現(xiàn)，它們往往就可以被治愈。乳房X光檢查是一個(gè)最佳的可選診斷方法，但是這種方法也有不足之處，它經(jīng)常會(huì)得到假陽(yáng)性的結(jié)果，從而導(dǎo)致不必要的手術(shù)。
常見(jiàn)的導(dǎo)致假陽(yáng)性的原因稱之為“高風(fēng)險(xiǎn)”病變，在X光檢查上看上去非?？梢?，而生物活檢中也能看到異常的細(xì)胞。在這種情況下，患者通常會(huì)通過(guò)手術(shù)去除病變;然而，在90%的情況中病變是良性的。這意味著每年數(shù)千位女性所經(jīng)受的痛苦、昂貴的治療、術(shù)后的疤痕都是不必要的。
然而，必要的手術(shù)是否能夠很好的消除，而同時(shí)保留X光檢查在癌癥監(jiān)測(cè)中的重要角色。來(lái)自MIT計(jì)算機(jī)科學(xué)和人工智能實(shí)驗(yàn)室(CSAIL)、馬薩諸塞州總醫(yī)院(MGH)，以及哈佛醫(yī)學(xué)院的研究人員認(rèn)為答案在人工智能(AI)。他們聯(lián)合發(fā)表了一篇文章在最近的《 Radiology》雜志上。
左至右：麻薩諸塞州醫(yī)院乳房成像獎(jiǎng)學(xué)金項(xiàng)目主任Manisha Bahl;麻省理工學(xué)院教授Regina Barzilay;Constance Lehman，哈佛醫(yī)學(xué)院教授，MGH放射科的乳房成像部門(mén)主任。
團(tuán)隊(duì)聯(lián)合開(kāi)發(fā)了一個(gè)AI系統(tǒng)，使用機(jī)器算法來(lái)預(yù)測(cè)在乳房X光檢測(cè)后術(shù)后，針刺活檢確定高風(fēng)險(xiǎn)病變?cè)谑中g(shù)時(shí)是否升級(jí)為癌癥。通過(guò)超過(guò)600個(gè)現(xiàn)有的高風(fēng)險(xiǎn)病變信息的訓(xùn)練，該模型在許多不同的數(shù)據(jù)元素中尋找模式，包括人口統(tǒng)計(jì)學(xué)，家族史，過(guò)去的活檢和病理學(xué)報(bào)告。對(duì)335對(duì)高風(fēng)險(xiǎn)病變進(jìn)行測(cè)試，模型能夠正確診斷97%的乳腺癌為惡性，與現(xiàn)在的長(zhǎng)隊(duì)檢測(cè)方法相比能夠減少超過(guò)30%的良性手術(shù)數(shù)量。
“由于診斷工具如此不精確，醫(yī)生過(guò)度篩查乳腺癌是一個(gè)可以理解的趨勢(shì)，”麻省理工學(xué)院電氣工程與計(jì)算機(jī)科學(xué)教授Regina Barzilay，她也是一位乳腺癌幸存者?！爱?dāng)數(shù)據(jù)中有很大的不確定性時(shí)，機(jī)器學(xué)習(xí)正是我們所需要的工具，用于改善發(fā)現(xiàn)及防止過(guò)度治療?！?/p>
“據(jù)我們所知，這是首個(gè)使用機(jī)器學(xué)習(xí)來(lái)區(qū)分高風(fēng)險(xiǎn)病變哪些需要手術(shù)而哪些不需要的研究”，哈佛大學(xué)醫(yī)學(xué)院教授， MGH放射科乳腺成像科主任，合作者Constance Lehman表示，“我們認(rèn)為可以幫助女性對(duì)她們的治療做出更明智的決定，以及我們可以提供更具有針對(duì)性的健康護(hù)理?！?/p>
那么機(jī)器學(xué)習(xí)究竟是如何達(dá)到上述的目標(biāo)的呢?
當(dāng)一個(gè)X光成像發(fā)現(xiàn)了一個(gè)可疑的病變，針刺活檢用來(lái)確認(rèn)它是否是癌癥。大約70%的病變是良性的，20%是惡性的，10%是高風(fēng)險(xiǎn)病變。
醫(yī)生處理高風(fēng)險(xiǎn)病變的方式有所不同。有些在所有情況中都會(huì)采用手術(shù)，而另一些只在病變具有高度癌癥化概率的情況下進(jìn)行手術(shù)，例如“非典型性導(dǎo)管增生”(ADH)或“小葉原位癌”(LCIS)。
第一種途徑需要患者經(jīng)受痛苦、耗時(shí)并且昂貴的手術(shù)，而且可能是不必要的;而第二種則不夠精確，可能會(huì)導(dǎo)致遺漏一些ADH和LCIS外的癌癥高風(fēng)險(xiǎn)的病變。
“絕大多數(shù)具有高風(fēng)險(xiǎn)病變的患者并沒(méi)有癌癥，因而我們?cè)噲D找到那些可以確認(rèn)的，” MGH的放射科醫(yī)師Bahl表示，“在這樣的情況下，當(dāng)你試圖增加你能識(shí)別的癌癥的數(shù)量時(shí)，你也會(huì)增加你發(fā)現(xiàn)假陽(yáng)性的數(shù)量?！?/p>
團(tuán)隊(duì)使用一種被稱為“隨機(jī)森林分類器”的方法，該團(tuán)隊(duì)所開(kāi)發(fā)的模型相比于總是做手術(shù)的策略避免了不必要的手術(shù)，同時(shí)也能診斷出更多的癌癥病變，而不是只在傳統(tǒng)的“高危病變”上做手術(shù)的策略。尤其是，新模型診斷了97%的癌癥，而傳統(tǒng)手段只有79%。
Lehman說(shuō):“過(guò)去，我們可能建議將所有高風(fēng)險(xiǎn)病灶切除。但是現(xiàn)在，如果模型確定病灶有很低的幾率在特定的病人中發(fā)生癌變，我們就可以與病人就她的選擇進(jìn)行更詳細(xì)的討論。對(duì)于一些患者來(lái)說(shuō)，他們的病灶是依據(jù)影像切除的而不是手術(shù)，是更為合理的。”
明年MGH會(huì)將這個(gè)模型納入臨床實(shí)踐，團(tuán)隊(duì)也在進(jìn)一步努力使得模型更加完善。未來(lái)，這種機(jī)器學(xué)習(xí)有望用于更多的癌癥治療評(píng)估中，這對(duì)改變傳統(tǒng)模式中很多“一刀切”的做法將有著更多的幫助和參考意義。