小編發現不少朋友對于Google的AI模型在乳腺癌的檢測預測方面勝過放射線醫師這方面的信息都比較感興趣，小編就針對Google的AI模型在乳腺癌的檢測預測方面勝過放射線醫師整理了一些相關方面的信息 在這里分享給大家。

根據發表在《自然》雜志上的新研究，基于深度學習的AI模型比放射科醫生可以更準確地識別乳腺癌。這對于癌癥檢測的未來意味著什么?

這項研究的作者包括來自Google Health的幾位代表，他們對來自英國25,000多名患者和3,000多名女性的乳房X光照片進行了AI算法的培訓。為了將算法的性能與人類專家進行比較，研究小組要求一個獨立的獨立研究組織進行一項涉及6名符合MQSA規范的放射科醫生的讀者研究。該研究包括從數據集中隨機選擇的500幅乳房X線照片，放射科醫生使用BI-RADS分數對每張圖像進行評分。

研究人員指出，總體而言，AI算法“大大超過了放射科醫生的平均表現。” 接收器操作員特征曲線(AUC-ROC)下的AI面積比一般放射線醫師高出11.5%的絕對余量。

“在這項研究中，我們提出了一個在放射診斷乳腺癌的臨床相關任務方面勝過放射線醫師的AI系統，” MS Mayer McKinney，MS及其同事寫道。“這些結果在代表不同篩查人群和實踐的兩個大型數據集中得到。”

該算法還導致數據集和英國數據集的假陽性結果絕對減少了5.7%和1.2%。

作者寫道：“假陽性可能導致患者焦慮，不必要的隨訪和侵入性診斷程序。”

麥金尼等人。他還指出，盡管無法確定確切的模式，但AI算法和人體放射學家不同意某些發現。他們補充說，“這暗示著AI系統和人類讀者在達成準確結論方面的潛在互補作用。”

《自然》雜志還發表了關于放射學院首席研究官Etta D. Pisano，MD撰寫的發現的評論。Pisano探索了AI的潛力以及這項新研究的局限性。

她寫道：“麥金尼及其同事的研究結果表明，人工智能有一天可能會有助于乳腺癌的早期發現，但是作者正確地指出，將需要進行臨床試驗以進一步評估該工具在醫學實踐中的實用性。” 。“與本研究報告的受控研究環境相比，現實世界更加復雜，并且可能更加多樣化。例如，該研究并未包括當前使用的所有不同的乳腺X射線攝影技術，并且大多數圖像是使用來自一家制造商的乳腺X射線攝影系統獲得的。”