全文共2876字，预计学习时长7分钟
图片来源：pexels网站
今天是一个特别的日子，读芯君在这里祝所有的妈妈们母亲节快乐！
你可能每年一到这个时候都会十分头疼，纠结该送妈妈什么母亲节礼物才好。
其实，补品也好、首饰也罢，这些从来都不是母亲们的刚需。
健康长寿、无灾无病，才是母亲们真正的刚需。
母亲们的“噩梦”---乳腺癌
前几天，突然在朋友圈看到两条乳腺癌患者的轻松筹链接。
一位左侧乳房全切，一个癌症转移，两侧全切。
图片来源：pixabay网站
乳房是人类生长的原动力和生命力的象征。这圣洁的存在带给女性力与美的同时，也带来了难以言喻的创伤和疾病。
这种暴力摘除法带给女性的心理阵痛是无法预估的。形体上的自卑和缺陷，以及对性生活的致命影响，都会让女性产生自我认同的缺失。
国家癌症中心2018年公布的《2014年中国女性乳腺癌发病与死亡分析》报告显示：女性乳腺癌发病和死亡率分别位居我国女性恶性肿瘤发病和死亡的第1位和第5位。
数据来源：《2014年中国女性乳腺癌发病与死亡分析》报告
此外，据报告显示，我国女性乳腺癌发病率20岁后随年龄增长迅速上升,于55岁年龄组达到高峰。
姚贝娜、饰演“黛玉”的陈晓旭、还有那个绘制了《樱桃小丸子》的漫画家三浦美纪，都因来势汹汹的乳腺癌而香消玉殒。
图片来源：SOOGIF网站
AI预测让乳腺癌无处遁形
长久以来，人们对癌症一直一无所知，面对飘忽不定和反复无常的“黑色体液”，医生只能通过部位切除以求“根治”或者化疗来“以毒攻毒”。
近日，麻省理工学院计算机科学与人工智能实验室（CSAIL）和马萨诸塞州综合医院（MGH）的团队创建了一种新的深度学习模型，可以从乳房X线照片中预测患者是否可能在未来患上乳腺癌。
图片来源：麻省理工计算机科学与人工智能实验室
据悉，这项技术可帮助女性提前五年预测患乳腺癌的可能性（划重点，后面要考）。虽然遗传学和现代影像技术可以帮助医生对乳腺癌患者进行准确诊断，但提前五年就能察觉患病苗头怕尚是无能为力。此外，这项技术可评估乳腺癌患病的风险等级，根据不同级别可为女性定制个性化的诊断服务。
从作者于5月7日在Radiology杂志上发表的A Deep Learning Mammography-based Model for Improved Breast Cancer Risk Prediction一文中我们不难看出，作者其实没有用到什么特别高深的深度学习算法或是神经网络结构，但作者在丰富的数据集基础之上，将基于深度学习的图像分析技术与传统的风险判断因子进行了有机结合。
一个强大的算法需要一个同样强大的数据集才能尽兴发挥。MIT/MGH团队通过四年时间从一家大型医疗中心收集了包括60886位患者的连续乳腺X光照片。“连续”很关键，阶段性的变化趋势是帮助预测的重要判断依据。
群组选择流程图
图中，阳性例（positive exams）指的是五年内进行过连续的癌症检查，反之为阴性例（positive exams）。
作者使用scikit-learn将风险因子模型转化为逻辑回归模型（即风险因子逻辑回归模型[RF-LR] ）。通过训练RF-LR模型，以便将患病风险因素映射到乳腺X光照片上，从而帮助预测五年内的患癌可能性。
单纯图像DL模型基于残差网络（ResNet18)实现，并且模型直接对全图进行分析。作者还结合RF-LR模型的风险因子和单纯图像DL模型的图像信息开发了混合DL模型，并采用混淆矩阵分析方法来预测乳房密度和混合DL风险因子不同组合下的患病概率。此外，作者在研究中还发现图像信息和传统风险因子间存在互补信息，这进一步证明了混合分析方法的合理之处。
图片来源：engadget网站
当将乳房密度类别和混合DL风险因子进行不同组合时，作者观察到基于混合DL模型评估患病风险的方式比基于乳房密度类别的评估方式具有更丰富的信息量。例如，被评估为低风险但乳房密集的患者发病率较低（1.4％；1634例中有23例），但被评估为高风险且非致密乳房的患者发病率较高（5.5％；2250中的123例） 。
此外，通过进一步实验对比发现，作者提出的混合DL模型比传统的临床实践中使用的Tyrer-Cuzick模型预测更加准确，并且在识别高风险群组时表现更佳。
图片来源：pexels网站
值得一提的是，乳腺癌的早期风险预测模型基本是针对白人女性开发的，这对于其他种族的女性来说可能预测效果并不怎么好。2018年的JAMA杂志中有数据显示黑人女性死于乳腺癌的概率比白人女性高43%，此外，就平均而言，亚洲裔、西班牙裔以及非洲裔的女性在较早年龄阶段患乳腺癌的概率也要高于白人女性。而麻省理工学院的这项研究对其他种族的女性乳腺X光样本也进行了充分考虑，其提出的AI模型对于不同种族女性的作用机理毫无差别，这对于帮助解决女性医疗保健中的种族差异问题具有重要意义。
正如斯坦福大学医学院医学健康研究与政策副教授艾莉森·库里安所说：“特别值得注意的是，该模型对黑人和白人的表现同样出色，而现有的风险评估工具却并非如此。”
未来，如果将该项技术在医院中落地推广，将能够真正改善目前现有的乳腺癌患病风险估算策略。
乳腺癌患者的“福音”
乳腺是女性最美的性别特征之一，她值得加倍重视。在我国，妇女早期乳腺癌中I期诊断率不足20%，这在欧美等发达国家可达80%以上。因此提高公众的健康意识，定期进行乳腺X光检查很有必要。
对付癌症，早发现、早诊断、早治疗绝对是最佳手段！尤其对于乳腺癌患者来说，早期并无明显发病症状或是感到身体不适。甚至很多女性都会认为，只要没有在乳房上摸到肿块就表示没病。殊不知，这样的掉以轻心很有可能会错过治疗的最佳时期。
天津乳腺癌防治研究中心常务副主任、天津市肿瘤医院乳腺肿瘤三科科主任张瑾教授曾表示，乳腺癌如能做到早诊早治，治愈率可达90%。
图片来源：pixabay网站
你能够想象吗？也许很快，母亲们只需要去医院体检时拍摄一张乳腺X光照片，就可以帮助她们预测未来患乳腺癌的可能性，对于诊断结果的判断甚至可能都不需要专业医生的判断，因为大数据本身就足够专业。
妈妈们，不要掉以轻心，也不用过于担心。
在人工智能的时代里，你的AI医生甚至可能会察觉更早期的发病苗头，“数据+算法”的结合，正在深刻影响这个时代的每一个领域，当技术得以落地，人们的生活方式可能会焕然一新。
而采用深度学习的这项乳腺癌预测技术，可能是这个时代给妈妈们最好的“福音”。
留言 点赞 关注
我们一起分享AI学习与发展的干货
欢迎关注全平台AI垂类自媒体 “读芯术”
网友评论