据统计，仅在美国，每年就有40000名妇女死于乳腺癌。乳腺癌早期发现时，往往是可以治愈的。乳房X光检查是好的检查，但它们仍然不完善，往往导致假阳性结果，可能带来不必要的活检和手术。
乳腺癌假阳性的一个常见原因是所谓的“高危”病变，在乳房X光片上出现可疑，在针刺活检检查时细胞异常。在这种情况下，病人通常会接受手术来切除病变，然而，在手术的90%次中，这些病变都是良性的。这意味着每年有数千名女性接受痛苦、昂贵的手术，而这些手术却是不必要的。
怎样在癌症检测中消除不必要的手术？
那么，怎样才能在保持乳房X光在癌症检测中保持重要作用的同时，消除不必要的手术呢？麻省理工学院计算机科学和人工智能实验室、马萨诸塞总医院和哈佛医学院的研究人员相信，答案是转向人工智能(AI)。作为第一个将人工智能应用于改进检测和诊断的项目，研究小组合作开发了一个人工智能系统，利用机器学习来预测乳房X光检查后在针刺活检中发现的高危病变是否会发展为乳腺癌。
当在335个乳腺癌高危病变上测试时，该模型正确地诊断出97%例乳腺癌为恶性，与现有的治疗方法相比，良性手术的数量减少了30%以上。研究人员表示：“因为诊断工具是如此不精确，有一种可以理解的倾向，当数据有如此多的不确定性时，机器学习正是我们需要改进检测和防止过度处理的工具。”该模型通过对600多个现有高危病变信息的培训，在许多不同的数据元素中寻找模式，其中包括人口统计学、家族史、过去的活检和病理报告。
研究人员指出：“据我们所知，这是将机器学习识别高危病变，需要确定不需要手术人群的第一项研究，我们相信这将有助于妇女对她们的治疗作出更明智的决定，并且可以提供更具针对性的保健方法。”
这篇文章发表在《医学放射学》杂志上。当乳房X光检测可疑病灶，针穿刺活检来确定它是否是癌症。大约70%的病变是良性的，20%是恶性的，10%是高风险的。医生以不同的方式管理乳腺癌高危病变。有的还做了手术，在所有的情况下，其他人只对有较高的癌症发病率的病变进行手术，如“非典型导管增生（ADH）”或“小叶原位癌（LCIS）”。
然而高危病变绝大多数患者没有乳腺癌，在这种情况下，我们必须找到更加精准的方法来帮助真正需要接受乳腺癌治疗的患者。
