科學家正在透過AI的力量，改變乳癌的現況。在全球範圍內，每年有超過60萬名女性因乳癌而無法存活。美國有八分之一的女性一生中會被診斷出罹患乳癌。

這些數字聽起來很可怕，但並非毫無希望。

當處於最早的局部階段時， 5年相對存活率為99%。近年來，早期檢測和治療方法的進步顯著提高了乳癌的存活率，目前美國有超過400萬名乳癌倖存者。

AI，就是這項進步背後的重要推動性力量。

近日，Science在X上連發多篇帖子，展現了AI在乳癌檢測方面的應用潛力。

「人工智慧提前5年檢測出乳癌」。

這則推文不僅得到了Lecun的轉發，也引發了大量網友的討論。

AI對人類社會的影響，絕不只有當下大熱的生成式AI，更可能“going to save lives”，為人類減少病痛，帶來福祉。

MIT CSAIL實驗室和Jameel Clinic的科學家創建了一個深度學習系統“Mirai”，可以根據傳統的乳房X光檢查來預測乳癌風險。

「Mirai」標誌著向個人化癌症篩檢和更好的患者治療結果邁出了重要一步。

Mirai：更早發現乳癌減少篩檢傷害

乳房X光檢查（Mammogram）用於檢測沒有乳癌徵兆或症狀的女性的乳房變化。

世界各地的衛生組織支持Mammogram篩檢以實現早期癌症檢測，並且它已經證明了其價值，可將死亡率降低20-40%。

雖然這是一個用於早期檢測的最佳工具，但有很多亟待改進的地方：假陽性、假陰性、影像解讀中的人為差異以及缺乏專業放射科醫生…

而Mirai作為一個深度學習系統，可以藉助人工智慧的力量來預測乳癌的形成，它包括三個關鍵創新：

– 時間點聯合建模

– 非影像風險因子的選擇性使用

– 確保跨臨床環境中表現一致性

這使得Mirai能夠提供準確的風險評估，並適應不同的臨床環境。

Mirai不僅可預測患者在未來不同時間點的風險，還可納入年齡和家族史等臨床風險因素（如果有的話）。

此外，它還能在微小的臨床差異（如不同的乳房X射線照相設備）情況下保持穩定的預測結果。

該模型很有前途的一點在於，它能夠適用於不同人種。

Mirai對白人和黑人女性的準確率相當，鑑於黑人女性的乳癌死亡率比白人婦女高出43%，這是一項重大進步。

大規模驗證

為了將基於影像的風險模型整合到臨床護理中，研究人員需要對演算法進行改進，並在多家醫院進行大規模驗證。

研究小組利用麻省總醫院（MGH）的20萬多份檢查結果對Mirai進行了訓練，並利用麻省總醫院、瑞典卡羅林斯卡研究所和台灣長庚紀念醫院的數據對其進行了驗證。

現在安裝在MGH的Mirai在預測癌症風險和識別高風險族群方面的準確性明顯高於先前的方法。

它的表現優於Tyrer-Cuzick模型，識別出的未來癌症診斷數量幾乎是Tyrer-Cuzick模型的兩倍。

而且，在不同種族、年齡層、乳房密度類別和癌症亞型中，Mirai 都能保持準確性。

CSAIL博士生、論文的第一作者Adam Yala說，「改進後的乳癌風險模型能夠實現有針對性的篩檢策略，與現有指南提供的方法相比，可以更早發現乳癌並減少篩查傷害。

該團隊正與來自全球不同機構的臨床醫生合作，在不同人群中進一步驗證該模型，並研究其臨床實施情況。

目前，研究人員正在改進Mirai，利用病患的完整影像病史，並結合斷層合成等先進篩檢技術。

這些改進措施可以完善風險篩選指南，為高風險族群提供更敏感的篩檢，同時減少其他不必要的程序。

將AI應用於乳癌檢測的更多研究

不只Mirai，Science也推薦了更多有關AI檢測乳癌的研究。

為了提高乳癌的存活率，研究人員設計了一種穿戴式超音波設備，讓患者在早期階段檢測到腫瘤，這項研究同樣來自MIT。

麻省理工學院工程學院院長Anantha Chandrakasan、電子工程與電腦科學教授Vannevar Bush，以及一位研究作者說：

“這項工作將利用材料、低功耗電路、人工智慧演算法和生物醫學系統方面的進步，極大地推動超音波研究和醫療設備設計。”

“並且為乳癌的檢測和早期診斷提供了一項基本能力，而這是取得積極療效的關鍵。”

除此之外，先前《紐約時報》有過一則「AI檢測出了醫生遺漏的乳癌」的相關報告。

報導稱，匈牙利已成為人工智慧軟體發現癌症的主要試驗場，醫生們正在爭論這項技術是否會取代他們的醫療工作。

2016 年，全球領先的人工智慧研究人員之一Geoffrey Hinton 認為，該技術將在五年內超越放射科醫師的技能。

“我認為，如果你是放射科醫生，你就像動畫片裡的Wile E. Coyote”，他在2017年對《紐約客》說。

“你已經在懸崖邊上了，但你還沒有往下看，下面是看不到地面的深淵​​。”

Hinton 所言非虛，在Scien ce發布的Twitter中，就有一篇研究發現，使用人工智慧的醫生比不使用人工智慧的醫生更容易發現乳癌。

這項研究表明，人工智慧還能自動處理一半以上的掃描，大大減輕放射科醫師的工作量。

將研究推向市場

Science在X上也特別提到了一個人－Dr. Connie Lehman。

Connie Lehman是哈佛醫學院放射學教授兼麻薩諸塞州總醫院放射專家，也是本文開頭具有奠基性作用的論文的合著者。

她早在1998年開始從事電腦輔助設計(CAD) 工作時，就對其改善乳癌檢測的潛力感到興奮。

她堅信CAD技術將幫助放射科醫生發現更多癌症、實現早期診斷，並有可能產生更高的治癒率。

但故事並沒有像她想像的那樣結束。

“雖然實驗室的研究發現CAD可以發揮作用，但它並沒有在臨床上產生我們所希望的影響。”

Lehman回憶道，“但我謹慎樂觀地認為，新的人工智慧模型將更成功地利用電腦的力量來增強成像的影響。”

如今的Lehman將Mirai背後的技術推向市場，創辦了Clairity。

Clairity致力於利用人工智慧的進步讓醫學影像釋放出新的見解，準確地識別出那些罹患癌症風險最高的人。

值得一提的是，Dr.Lehman對自己的研究成果相當低調，這個消息還是Lehman的兒子透露給Science的。

後來又獲得了Science的轉發。

並寫下了「AI CAN BE GOOD!」這樣令人充滿期冀的文字。