人工智能|患上乳腺癌后开发AI诊断模型，MIT女学者获“AI诺贝尔奖”
杨净 贾浩楠 发自 凹非寺
量子位 报道 | 公众号 QbitAI
今天，由世界上最大的AI学会——AAAI颁发的，首届「AI诺贝尔奖」出炉！
获奖者是来自MIT计算机与人工智能实验室（CSAIL）的Regina Barzilay教授 。
文章图片
实验证明，它能够杀死致病细菌，包括很多对抗生素有抗药性的细菌，比如，鲍曼不动杆菌（医院感染的重要病原菌、主要引起呼吸道感染） 。
并由此，获得了2019年药物发现和医疗保健领域的前100名AI引领者（Top 100 AI Leaders in Drug Discovery & Advanced Healthcare 2019） 。
作为J-Clinic共同负责人之一，最近专注于一个「AI Cures」的研究，这是一个跨机构的倡议，专注于开发负担得起的Covid-19抗病毒药物 。
MIT CSAIL负责人Daniela Rus表示，
Regina一直是医疗AI领域的开拓者，她提出了关于我们如何使用机器学习来治疗和诊断疾病的重要问题 。
她既是一位杰出的研究者，也是一位忠实的教育者，我们CSAIL的所有人都被她的工作所鼓舞，并为有她作为同事而感到自豪 。
乳腺癌预警准确率提高13%
最值得一提的，就是她研发的早期乳腺癌诊断预警模型 。
正如今天，MIT CSAIL在社交网络上表示，2014年她被诊断为乳腺癌，2017年，他建立了早期诊断风险评估模型，然后在今天，成为首届AI诺贝尔奖得主，也主要因为这项工作 。
文章图片
【人工智能|患上乳腺癌后开发AI诊断模型，MIT女学者获“AI诺贝尔奖”】现在，她的这项研究——使用AI算法来判断癌症风险，已经投入临床了 。
过去最常使用的的算法是Tyrer-Cuzick模型 。
TC模型是在通用风险算法Gail上，结合了乳房造影密度和乳腺纤维腺体组织等乳腺癌风险因素的预警模型 。
文章图片
但是，TC模型有明显的缺陷 。因为乳房造影密度是一个主观概念，不同的医师在操作时，对于机器给出的阴影密度数值会有不同的判断 。
此外，TC算法考虑的因素不够全面，同一密度数值的患者，最终诊断结果可能完全不同 。
而针对TC模型的不足，Barzilay博士和她的团队开发了三种不同的模型 。
一种是基于传统风险因素进行判断的逻辑回归模型（RF-LR）；将患者在进行乳房X光检查时的风险因素映射到患者在5年内是否患癌这个结果上 。
第二个是仅基于X光片图像的深度学习模型；用PyTorch构建了一个深度卷积神经网络ResNet 。给定一个乳房的1664 X 2048像素图片，模型会预测是否会在5年内发展成乳腺癌 。
最后一种是结合RF-LR和X光片的混合模型，这也是最终投入临床使用，准确率最高的模型 。
所有模型的训练数据，是团队从医疗机构获取的从2009年到2012年间，60886名患者的检查资料 。其中既包括乳腺癌确诊，也有疑似乳腺癌，最后没有确诊的 。
团队还对每名提供资料的患者进行为期5年的医学随访，以确认模型的准确率 。
为了衡量模型捕获长期未来风险的能力，需要计算每种模型的AUC（接收器工作特性曲线下的面积），以区分3–5年内患癌症的患 者和5年内未患癌症的患者 。
文章图片
混合模型的取得较好预测成绩的一个重要原因，是判断癌症发病率并不是仅仅按照X光片的组织致密度，而是综合了从过往病历中学习到经验，包括年龄、病史、生理周期等等因素 。
在临床对比中，在已确诊的乳腺癌患者中，混合模型在前期就对其中的31%作出了预警，而传统的TC模型的有效预警仅有18% 。
推荐阅读
- 白血病|越来越多孩子患上白血病，提醒家长：孩子有5大异常，需及时排查
- 白血病|年仅37岁，肿瘤专家患上白血病，6个病因值得警惕
- 甲减|内分泌医生患上甲减，需终身服药，是种怎样的体验？
- 牙周炎|可怕！32岁男子患上牙周炎，牙齿几乎全掉光
- 癌症|家中9人患上同一种癌！提醒：得了这3种癌症，可能“传”给下一代
- 食管裂孔疝|女子反复就医被指“更年期没事找事”，原因却是患上了食管裂孔疝！
- 乳腺癌|日常消费品中发现296种潜在致乳腺癌物质
- 乳腺癌|身体出现这8个异常，可能是乳腺癌前兆，早发现能救命！
- 乳腺癌|乳腺癌成全球最常见癌症，国内成立首批十家保乳示范中心
- 胃癌|30岁男子患上胃癌，主要和3个饮食习惯有关，看你有没有！