开发用于乳腺癌检测的高性能开源 AI

纽约城市大学和纪念斯隆凯特琳癌症中心 (MSKCC) 的研究人员团队取得了一项重大突破，开发了一种新的人工智能模型，可以在核磁共振成像 (MRI) 图像中检测乳腺癌并精确定位肿瘤位置。该研究成果发表在《放射学：人工智能》杂志上。

　　

纽约城市大学和 纪念斯隆凯特琳癌症中心 (MSKCC) 的研究小组取得了重大突破，开发了一种新的人工智能模型，可以在 MRI 图像中检测乳腺癌并精确定位肿瘤位置。该新闻发表在 《放射学：人工智能》杂志上。 

虽然人工智能方法在乳腺癌检测方面取得了重大进展，但深度学习模型往往缺乏可解释性，也很少公开供外部验证。这对于具有异构成像协议和小数据集的 MRI 尤为重要。CCNY-MSKCC 团队的目标是解决这些问题，他们公开发布了一个经过训练可以检测和定位乳房的模型，并在来自两个不同临床站点的数据上进行了测试。 

新模型的性能与专业乳腺放射科医生的性能相当，但优于现有的自动化工具，  CCNY生物医学工程教授 兼项目联席负责人Lucas C. Parra表示 。该模型在迄今为止最大的乳腺 MRI 数据集上进行了训练，并已公开发布以促进独立评估和促进未来发展。     

由于早期发现对于成功治疗和改善患者预后至关重要，该模型建立了一种检测乳腺癌的全新先进方法。乳腺癌是美国女性癌症相关死亡的主要原因之一。    

 乳腺MRI在检测癌症方面比传统的乳房X光检查更敏感。鉴于最近建议将乳腺MRI的用途扩展到放射学上致密的乳腺，乳腺MRI在乳腺癌筛查中的应用可能会进一步扩大。    

迄今为止，乳房X光检查是此类癌症的主要筛查工具，因为它兼具良好的灵敏度、便捷性和低成本。然而，由于磁共振成像(MRI)的灵敏度更高，建议乳腺癌高风险女性每年进行一次补充筛查。当根据临床发现、乳房X光检查或超声检查怀疑存在肿瘤时，乳腺MRI也用于诊断。     

“机器学习用于风险调整乳腺MRI筛查”。该项目利用现代机器学习技术分析医学图像，而这正是Parra的专业领域。目标是尽早发现乳腺癌，同时减轻高危女性的筛查负担。