每年,僅僅在美國就有40,000女性因乳腺癌死亡。當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)常會得到假陽性的結(jié)果,從而導(dǎo)致不必要的手術(shù)。
常見的導(dǎo)致假陽性的原因稱之為“高風(fēng)險”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胞。在這種情況下,患者通常會通過手術(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,而同時保留X光檢查在癌癥監(jiān)測中的重要角色。來自MIT計算機科學(xué)和人工智能實驗室(CSAIL)、馬薩諸塞州總醫(yī)院(MGH),以及哈佛醫(yī)學(xué)院的研究人員認為答案在人工智能(AI)。他們聯(lián)合發(fā)表了一篇文章在近的《 Radiology》雜志上。
左至右:麻薩諸塞州醫(yī)院乳房成像獎學(xué)金項目主任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主任。圖片來源:CSAIL/MIT
團隊聯(lián)合開發(fā)了一個AI系統(tǒng),使用機器算法來預(yù)測在乳房X光檢測后術(shù)后,針刺活檢確定高風(fēng)險病變在手術(shù)時是否升級為癌癥。通過超過600個現(xiàn)有的高風(fēng)險病變信息的訓(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)計學(xué),家族史,過去的活檢和病理學(xué)報告。對335對高風(fēng)險病變進行測試,模型能夠正確診斷97%的乳腺癌為惡性,與現(xiàn)在的長隊檢測方法相比能夠減少超過30%的良性手術(shù)數(shù)量。
“由于診斷工具如此不精確,醫(yī)生過度篩查乳腺癌是一個可以理解的趨勢,”麻省理工學(xué)院電氣工程與計算機科學(xué)教授Regina Barzilay,她也是一位乳腺癌幸存者?!爱敂?shù)據(jù)中有很大的不確定性時,機器學(xué)習(xí)正是我們所需要的工具,用于改善發(fā)現(xiàn)及防止過度治療?!?
“據(jù)我們所知,這是使用機器學(xué)習(xí)來區(qū)分高風(fēng)險病變哪些需要手術(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,“我們認為可以幫助女性對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性的健康護理?!?
那么機器學(xué)習(xí)究竟是如何達到上述的目標的呢?
當一個X光成像發(fā)現(xiàn)了一個可疑的病變,針刺活檢用來確認它是否是癌癥。大約70%的病變是良性的,20%是惡性的,10%是高風(fēng)險病變。
醫(yī)生處理高風(fēng)險病變的方式有所不同。有些在所有情況中都會采用手術(shù),而另一些只在病變具有高度癌癥化概率的情況下進行手術(shù),例如“非典型性導(dǎo)管增生”(ADH)或“小葉原位癌”(LCIS)。
種途徑需要患者經(jīng)受痛苦、耗時并且昂貴的手術(shù),而且可能是不必要的;而第二種則不夠精確,可能會導(dǎo)致遺漏一些ADH和LCIS外的癌癥高風(fēng)險的病變。
“絕大多數(shù)具有高風(fēng)險病變的患者并沒有癌癥,因而我們試圖找到那些可以確認的,” MGH的放射科醫(yī)師Bahl表示,“在這樣的情況下,當你試圖增加你能識別的癌癥的數(shù)量時,你也會增加你發(fā)現(xiàn)假陽性的數(shù)量?!?
團隊使用一種被稱為“隨機森林分類器”的方法,該團隊所開發(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:“過去,我們可能建議將所有高風(fēng)險病灶切除。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行更詳細的討論。對于一些患者來說,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會將這個模型納入臨床實踐,團隊也在進一步努力使得模型更加完善。未來,這種機器學(xué)習(xí)有望用于更多的癌癥治療評估中,這對改變傳統(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。