一项首创性研究发现,在乳腺癌筛查中使用人工智能技术可将后续年份的癌症诊断率降低12%,并显著提高早期发现率。
研究人员表示,这是迄今为止针对人工智能在癌症筛查中应用的最大规模研究。该研究涉及瑞典10万名女性,她们在2021年4月至2022年12月期间参与乳腺X射线筛查,被随机分配到AI辅助筛查组或由两名放射科医生标准读片的对照组。
AI系统的工作原理是分析乳腺X射线图像,将低风险病例分配给单次读片,高风险病例分配给双次读片,同时向放射科医生突出显示可疑发现以提供支持。
根据发表在《柳叶刀》杂志上的研究结果,AI辅助的乳腺X射线筛查将乳腺筛查后数年的癌症诊断率降低了12%。AI辅助组中每1000名女性中有1.55例癌症,而对照组中每1000名女性中有1.76例癌症。
AI辅助乳腺X射线筛查组中超过五分之四的癌症病例(81%)在筛查阶段被发现,而对照组中这一比例略低于四分之三(74%)。与对照组相比,AI组中侵袭性亚型癌症减少了近三分之一(27%)。
瑞典隆德大学的克里斯蒂娜·朗博士是这项研究的主要作者,她表示AI辅助乳腺X射线筛查有助于在早期阶段发现癌症,但也存在一些注意事项。
朗博士说:"在乳腺癌筛查项目中广泛推广AI辅助乳腺X射线筛查可能有助于减轻放射科医生的工作负担,同时有助于在早期阶段发现更多癌症,包括那些具有侵袭性亚型的癌症。"
"然而,在医疗保健中引入人工智能必须谨慎进行,使用经过测试的AI工具,并建立持续监测机制,以确保我们获得关于AI如何影响不同地区和国家筛查项目的良好数据,以及这种影响可能随时间如何变化。"
乳腺癌是35至50岁女性死亡的主要原因,全球每年有超过200万人被诊断患有这种疾病。
尽管研究显示了AI可能为乳腺X射线筛查带来的明显益处,但研究人员不支持用AI完全替代医疗专业人员,因为筛查仍需要至少一名人类放射科医生在AI支持下进行读片。
英国癌症研究中心的高级战略证据经理索米亚·穆尔蒂博士表示,这些发现很有前景,但呼吁保持谨慎。
穆尔蒂说:"使用AI辅助读取乳腺X射线图像可以更高效,但存在可能遗漏某些癌症的担忧。这项研究有助于解决这些担忧,但结果来自单一中心,因此需要更多研究来确定这是否真的有助于挽救生命。"
她补充说:"随着预计未来几年被诊断患癌症的人数不断增加,这样的创新对于改善英国国民医疗服务体系至关重要,但重要的是要对其进行适当评估,以确保癌症患者得到帮助而非伤害。"
英国乳腺癌慈善机构首席科学官西蒙·文森特说:"这项首次试验强调了AI在支持放射科医生进行乳腺癌筛查方面的巨大潜力。筛查是早期发现的重要工具,疾病发现得越早,成功治疗的机会就越大。"
"这项研究显示了早期诊断的真正前景,可以改善和拯救生命,这就是为什么去年在英国启动的探索在NHS乳腺筛查系统中使用AI的试验对于确定使用这些工具早期发现更多癌症的最安全和最有效方式非常重要。"
Q&A
Q1:人工智能在乳腺癌筛查中是如何工作的?
A:AI系统通过分析乳腺X射线图像,将低风险病例分配给单次读片,高风险病例分配给双次读片,同时向放射科医生突出显示可疑发现以提供支持。这种方式既能提高效率,又能保证筛查质量。
Q2:AI辅助筛查相比传统方法有什么优势?
A:AI辅助筛查将后续年份的癌症诊断率降低了12%,81%的癌症病例在筛查阶段就被发现,相比传统方法的74%有明显提升。同时侵袭性亚型癌症减少了27%,显著提高了早期发现率。
Q3:AI会完全替代放射科医生吗?
A:不会。研究人员明确表示不支持用AI完全替代医疗专业人员,筛查仍需要至少一名人类放射科医生在AI支持下进行读片。AI只是辅助工具,帮助减轻医生工作负担并提高诊断准确性。
好文章,需要你的鼓励
火箭实验室(Rocket Lab)宣布计划以现金加股票方式,斥资80亿美元收购主要卫星运营商铱星通信(Iridium Communications),交易预计于2027年中完成。铱星目前运营着由66颗活跃低轨卫星组成的星座网络,拥有约255万活跃用户,2024年营收达8.717亿美元。收购完成后,Rocket Lab计划借助其新型重型运载火箭Neutron及Lightning卫星平台,扩大铱星星座规模,开拓未被覆盖的市场并降低发射成本。
谷歌研究院开发的论文助手工具PAT,利用分阶段深度推理流水线自动审查学术论文,在真实错误检测任务上达到89.7%召回率,并已在STOC和ICML两大顶会完成超4700篇论文的真实部署。
音乐流媒体平台Tidal宣布,将于7月中旬启用自动化工具,对完全由AI生成的音乐添加"AI"标识,并移除具有欺诈性质的曲目。平台还将取消AI生成音乐的版税资格,仅向真人创作、演唱的原创音乐开放变现渠道。此外,Tidal明确将高频异常上传、干扰真实艺术家等行为列为欺诈活动。Deezer、Spotify等竞争对手此前已推出类似检测机制,流媒体行业正加速构建AI内容治理体系。
香港大学与武汉大学联合开发的EO-WM系统,将地球观测卫星图像预测重新定义为天气驱动的世界建模问题,通过把气象信号拆解为气候基线、天气异常和累积压力三层,显著提升了对极端干旱和热浪事件下植被退化的预测准确性。