根據《放射學》雜誌上的一項新研究，與常用的臨床風險因素相比，一種被稱為深度學習的複雜人工智能能更好地區分後來會患乳腺癌和不會患乳腺癌婦女的乳房X光照片。研究人員說，這些發現顯示了人工智能作為放射科醫生助手的潛力，可以減少不必要的成像和相關費用。
一般建議婦女從40歲開始每年做一次乳房X光檢查以篩查乳腺癌。研究表明，乳房X光檢查通過減少晚期癌症的發生率來降低乳腺癌的死亡率。乳房X光檢查不僅有助於發現癌症，而且還通過測量乳房密度提供了一個衡量乳腺癌風險的標準。雖然乳房X光檢查中較密的乳房與較高的癌症風險有關，但還有其他未知因素可能會導致患癌風險。
在一項新研究中，研究人員使用了6369名參加乳房X光篩查婦女的25000多張數字篩查乳房X光照片數據集。其中1600多名婦女患上了篩查發現的乳腺癌，351名婦女患上了間歇性侵入性乳腺癌。研究人員利用這個數據集，對深度學習模型進行了訓練，以便在乳房X光檢查中找到可能與癌症風險增加有關的細節或信號。當他們測試基於深度學習的模型時，它在評估間隔期癌症風險因素方面表現不佳，但它在確定篩查發現的癌症風險方面表現優於包括乳房密度在內的臨床檢測。
結果顯示人工智能獲得的額外信號為篩查發現的癌症提供了更好的風險估計，它幫助醫生實現了將婦女分為乳腺癌的低風險或高風險的目標。這些發現對臨床實踐有重大影響，因為在臨床實踐中，僅乳房密度就能指導許多管理決策。與其建議明年再來一次篩查，不如將乳房X光檢查呈陰性的婦女按風險分為三種，即乳腺癌的低風險、篩查發現的風險升高或未來三年侵入性癌症風險升高。