【新智元导读】科学家正在通过AI的力量，改变乳腺癌的现状。
在全球范围内，每年有超过60万名女性因乳腺癌而无法存活。
美国有八分之一的女性一生中会被诊断出患有乳腺癌。
这些数字听起来很可怕，但并非毫无希望。
当处于最早的局部阶段时，5年相对生存率为99%。近年来，早期检测和治疗方法的进步显著提高了乳腺癌的生存率，目前美国有超过400万乳腺癌幸存者。
AI，就是这项进步背后的一个重要推动性力量。
近日，Science在X上连发多篇帖子，展现了AI在乳腺癌检测方面的应用潜力。
「人工智能提前5年检测出乳腺癌」。
这条推文不仅得到了Lecun的转发，也引发了大量网友的讨论。
AI对人类社会的影响，绝不只有当下大热的生成式AI，更可能「going to save lives」，为人类减少病痛，带来福祉。
MIT CSAIL实验室和Jameel Clinic的科学家创建了一个深度学习系统「Mirai」，可以根据传统的乳房X光检查来预测乳腺癌风险。
论文地址:https://www.science.org/doi/10.1126/scitranslmed.aba4373
「Mirai」标志着向个性化癌症筛查和更好的患者治疗结果迈出了重要一步。
Mirai:更早发现乳腺癌 减少筛查伤害
乳房X光检查（Mammogram）用于检测没有乳腺癌体征或症状的女性的乳房变化。
世界各地的卫生组织支持Mammogram筛查以实现早期癌症检测，并且它已经证明了其价值，可将死亡率降低20-40%。
虽然这是一个用于早期检测的最佳工具，但有很多亟待改进的地方:假阳性、假阴性、图像解读中的人为差异以及缺乏专业放射科医生……
而Mirai作为一个深度学习系统，可以借助人工智能的力量来预测乳腺癌的形成，它包括三项关键创新:
- 时间点联合建模
- 非图像风险因素的选择性使用
- 确保跨临床环境中性能一致性
这使得Mirai能够提供准确的风险评估，并适应不同的临床环境。
Mirai不仅可预测患者在未来不同时间点的风险，还可纳入年龄和家族史等临床风险因素（如果有的话）。
此外，它还能在微小的临床差异（如不同的乳腺X射线照相设备）情况下保持稳定的预测结果。
该模型很有前途的一点在于，它能够适用于不同人种。
Mirai对白人和黑人女性的准确率相当，鉴于黑人女性的乳腺癌死亡率比白人妇女高出43%，这是一项重大进步。
大规模验证
为了将基于图像的风险模型整合到临床护理中，研究人员需要对算法进行改进，并在多家医院进行大规模验证。
研究小组利用麻省总医院（MGH）的20万多份检查结果对Mirai进行了训练，并利用麻省总医院、瑞典卡罗林斯卡研究所和台湾长庚纪念医院的数据对其进行了验证。
现在安装在MGH的Mirai在预测癌症风险和识别高危人群方面的准确性明显高于以前的方法。
它的表现优于Tyrer-Cuzick模型，识别出的未来癌症诊断数量几乎是Tyrer-Cuzick模型的两倍。
而且，在不同种族、年龄组、乳房密度类别和癌症亚型中，Mirai 都能保持准确性。
CSAIL博士生、论文的第一作者Adam Yala说，「改进后的乳腺癌风险模型能够实现有针对性的筛查策略，与现有指南提供的方法相比，可以更早发现乳腺癌并减少筛查伤害。」
该团队正与来自全球不同机构的临床医生合作，在不同人群中进一步验证该模型，并研究其临床实施情况。
目前，研究人员正在改进Mirai，利用患者的完整影像病史，并结合断层合成等先进筛查技术。
这些改进措施可以完善风险筛查指南，为高风险人群提供更敏感的筛查，同时减少其他不必要的程序。
将AI应用于乳腺癌检测的更多研究
不止Mirai，Science还推荐了有关AI检测乳腺癌的更多研究。
为了提高乳腺癌的生存率，研究人员设计了一种可穿戴超声波设备，可以让患者在早期阶段检测到肿瘤，这项研究同样来自MIT。
麻省理工学院工程学院院长Anantha Chandrakasan、电子工程和计算机科学教授Vannevar Bush，以及一位该研究作者说道:
「这项工作将利用材料、低功耗电路、人工智能算法和生物医学系统方面的进步，极大地推动超声波研究和医疗设备设计。」
「并且为乳腺癌的检测和早期诊断提供了一项基本能力，而这是取得积极疗效的关键。」
除此之外，此前《纽约时报》有过一则「AI检测出了医生遗漏的乳腺癌」的相关报道。
报道称，匈牙利已成为人工智能软件发现癌症的主要试验场，医生们正在争论这项技术是否会取代他们的医疗工作。
2016年，世界领先的人工智能研究人员之一Geoffrey Hinton认为，该技术将在五年内超越放射科医生的技能。
「我认为，如果你是一名放射科医生，你就像动画片里的Wile E. Coyote」，他在2017年对《纽约客》说。
「你已经在悬崖边上了，但你还没有往下看，下面是看不到地面的深渊。」
Hinton所言非虚，在Science发布的推特中，就有一篇研究发现，使用人工智能的医生比不使用人工智能的医生更容易发现乳腺癌。
这项研究表明，人工智能还能自动处理一半以上的扫描，大大减轻放射科医生的工作量。
将研究推向市场
Science在X上还特别提到了一个人——Dr. Connie Lehman。
Connie Lehman是哈佛医学院放射学教授兼马萨诸塞州总医院放射专家，也是本文开头具有奠基性作用的论文的合著者。
她早在1998年开始从事计算机辅助设计 （CAD） 工作时，就对其改善乳腺癌检测的潜力感到兴奋。
她坚信CAD技术将帮助放射科医生发现更多癌症、实现早期诊断，并有可能产生更高的治愈率。
但故事并没有像她想象的那样结束。
「虽然实验室的研究发现CAD可以发挥作用，但它并没有在临床上产生我们所希望的影响。」
Lehman回忆道，「但我谨慎乐观地认为，新的人工智能模型将更成功地利用计算机的力量来增强成像的影响。」
如今的Lehman正在将Mirai背后的技术推向市场，创办了Clairity。
Clairity致力于利用人工智能的进步让医学图像释放出新的见解，准确地识别出那些患癌症风险最高的人。
值得一提的是，Dr.Lehman对自己的研究成果相当低调，这个消息还是Lehman的儿子透露给Science的。
后来又获得了Science的转发。
并写下了「AI CAN BE GOOD!」这样令人充满期冀的文字。
总结
**文章总结：AI在乳腺癌检测中展现巨大潜力**乳腺癌是威胁全球女性生命健康的重大疾病，每年超过60万名女性因此丧生。然而，早期检测和治疗技术的进步显著提高了生存率，其中AI（人工智能）成为了这一变革的重要驱动力。
科学家们通过AI技术正不断突破乳腺癌检测的边界。例如，MIT CSAIL实验室和Jameel Clinic开发的深度学习系统“Mirai”，能通过传统的乳房X光检查预测乳腺癌风险，显著提高准确率，并减少筛查中的假阳性和假阴性问题。该系统不仅能适应不同临床环境和种族，还能在微小临床差异下保持稳定预测。
Mirai在多家医院进行的大规模验证中表现出色，显著优于现有的风险模型，并在不同种族、年龄和乳房密度类别中均能保持高准确度。未来，研究人员将继续改进Mirai，结合患者的完整影像病史和更先进的筛查技术，提供更敏感且击中要害的筛查策略，进一步减少不必要的检查伤害。
此外，还有多项研究展示了AI在乳腺癌检测中的潜力，例如可穿戴超声波设备的设计和应用，以及AI帮助医生更准确地发现乳腺癌并减轻工作量的实例。
哈佛医学院的放射学教授Connie Lehman正是AI推动乳腺癌检测进步的先驱之一。她坚信并推动了计算机辅助设计（CAD）技术的发展，如今正通过她的公司Clairity将AI技术实际应用于临床，为更多患者带来希望。
总之，AI不仅在生成式AI领域炙手可热，更在拯救生命、减轻病痛方面展现出巨大的潜力和希望，正逐步改变乳腺癌的现状和未来。