在今年I/O開發者大會上，谷歌宣布利用其研發的人工智能技術可以比醫生早一年查出肺癌，進而將患者活下來的概率提升40%。無獨有偶，在對數万張乳房X光線照片進行訓練之後，由MIT開放的深度學習模型可以更精準地識別乳房組織的細微變化，並確定這些變化是否會在五年之內發展惡化成為癌症。

麻省理工學院計算科學和人工智能實驗室（MIT CSAIL）與美國馬薩諸塞州綜合醫院（MGH）合作，開發了一個全新的深度學習模型[ PDF ]，已經接受了超過90,000個乳房X光造影照片的訓練。該系統能夠識別肉眼無法準確觀察的細微內容，監測是否在近期內有較高風險惡化成為乳腺癌的患者比現有模型多31%。儘管這個增幅聽起來很低，但是實際上要明顯優於目前醫生所能使用的任何模型，而且這些現有模型在早期階段只能識別18%的高風險患者。

麻省理工學院與馬薩諸塞州綜合醫院的人工智能模型在一位女性患乳腺癌4年前判斷其處於高危狀態。（右圖：4年前；左圖：患病時）

該研究的共同作者Constance Lehman解釋道：“自20世紀60年代以來，放射科醫生就已經註意到女性乳房X光造影照片中可見到乳房組織的一些獨特和普遍存在的造影。這些造影點/塊可能代表著遺傳、激素、懷孕、哺乳、飲食、減肥或者增肥的影響。而現在我們可以利用這些詳細的數據對女性進行更準確的安全評估。”

全新AI模型的另一個優勢在於它收集了各種種族女性的數據。事實上由於科研研究的數據大部分都來自於白人女性，因此目前臨床醫生所使用的使用的乳腺癌風險評估工具對於非白人女性的效果並不是很好。

斯坦福大學醫學院的Allison Kurian說：“特別值得一提的是，該模型對黑人和白人的表現同樣出色，而現有的風險評估工具卻並非如此。如果經過驗證並可供廣泛使用，這可以真正改善我們目前的估算風險的策略。”