一種 n人工智能(AI)工具(在大約一百萬張乳腺X線攝影圖像上進行了訓練)與放射線醫師結合分析時，可以以大約90%的準確率識別出乳腺癌。

由紐約大學醫學院和紐約大學數據科學中心的研究人員牽頭，這項研究檢查了一種AI(一種機器學習計算機程序)為14位放射科醫生在審查720條時得出的診斷結果增加價值的能力。乳房X光照片。

“我們的研究發現，人工智能可以在放射科醫生無法識別的數據中識別出與癌癥相關的模式，反之亦然，” 紐約大學朗格諾大學放射學系助理教授Krzysztof J. Geras博士說。

“人工智能檢測到人眼看不見的組織中的像素級變化，而人類則使用了人工智能無法獲得的推理形式，”紐約大學數據科學中心的附屬教員杰拉斯博士補充道。“我們工作的最終目標是增加而不是替代人類放射科醫生。”

2014年，進行了超過3900萬例乳房X線檢查，以篩查女性(無癥狀)乳腺癌，并確定需要進一步隨訪的女性。將其檢查結果顯示出異常的乳房X線檢查結果的女性進行活檢，該活檢是從乳房組織中取出少量樣本進行實驗室檢查的過程。

在這項新研究中，研究團隊設計了統計技術，使他們的程序可以“學習”如何更好地完成一項任務，而無需確切地告訴他們如何做。這樣的程序會建立數學模型，從而能夠根據輸入的數據示例進行決策，并且隨著程序查看越來越多的數據，該程序將變得“更智能”。

受人腦啟發的現代AI方法使用復雜的電路來分層處理信息，每一步都將信息饋入下一步驟，并在此過程中或多或少地為每條信息分配重要性。

最近由IEEE Transactions on Medical Imaging雜志在線發表，目前的研究作者在與過去進行的活組織檢查結果相匹配的許多圖像上訓練了他們的AI工具。他們的目標是啟用該工具，以幫助放射科醫生減少向前發展所需的活檢數量。Geras博士說，只有通過提高醫師對篩查檢查的評估準確性的信心(例如，減少假陽性和假陰性結果)，才能實現這一目標。

對于當前的研究，研究團隊分析了在紐約大學朗格醫療中心七年中作為常規臨床護理的一部分而收集的圖像，對收集的數據進行篩選，并將圖像與活檢結果聯系起來。這組作者說，這項工作為他們的AI工具創建了一個非常龐大的數據集，可以對其進行訓練，包括229,426次數字化乳腺X線檢查和1,001,093張圖像。迄今為止，研究中使用的大多數數據庫僅限于10,000張或更少的圖像。