新的您現在可以收聽福克斯新聞的文章！
人工智能正在對癌症治療的未來產生影響。
該技術的最新應用之一是識別難以檢測的乳腺癌。
俄亥俄州立大學綜合癌症中心 – Arthur G. James 癌症醫院和 Richard J. Solove 研究所的研究人員正在初步使用人工智能來預測哪些患者可能會患上腹部乳腺癌。
女性通過實驗性幹細胞療法戰勝了致命的腦癌：“真是太神奇了”
什麼是小葉乳腺癌？
乳腺癌是女性最常見的癌症，也是該國癌症死亡的第二大原因。
數據顯示，小葉乳腺癌具有侵襲性且難以檢測。在美國，它約佔乳腺癌診斷的 10% 至 15%。
這就是小葉乳腺癌在乳房 X 光檢查中的表現。 Arya Roy 博士注意到圖像中有些混濁。這將使她能夠推薦額外的掃描。 （俄亥俄州立大學）
小葉癌不是由細胞簇形成腫瘤，而是作為長細胞鏈生長。因此，根據俄勒岡州立大學的說法，它在乳房X光檢查中顯示為“輕度增厚”，這意味著在它擴散到身體其他部位之前很難檢測到。
這種疾病也有復發的風險。即使患者已經10年沒有患癌症。
“我們迫切需要更好的工具……能夠預測哪些患者真正處於高風險之中。”
此外，根據乳房影像學會的數據，大約 40% 的 40 歲及以上女性擁有緻密的乳腺組織，這可能會帶來額外的檢測挑戰並增加患乳腺癌的風險。
首席研究員、OSUCCC – James 乳腺癌專家 Arya Roy 博士表示，雖然浸潤性小葉癌的生長、擴散和對治療的反應與更常見的浸潤性導管癌不同，但腫瘤學家繼續遵循針對這兩種疾病的相同指導方針。
單擊此處獲取福克斯新聞應用程序
“我們目前使用的基因組測試經常對小葉癌產生不清楚或相互矛盾的結果，這使得腫瘤學家更難以決定最佳治療方法，”她在新聞稿中說。 “我們迫切需要更好的工具。特別是對於前列腺癌，這可以預測哪些患者真正處於高風險之中。”
抗癌技術
羅伊強調從影像學中識別小葉乳腺癌的困難。
“與此同時，識別治療後復發風險較高的患者非常困難，”她告訴福克斯新聞數字頻道。 “這就是我們使用人工智能技術來識別有再次患癌症風險的患者的地方。”
乳房掃描顯示，艾莉亞·羅伊醫生正在研究一種在常規檢查中經常被遺漏的癌症。她利用實際腹部乳腺癌病例的數據來訓練人工智能，以改善早期檢測。 （俄亥俄州立大學）
通過將人工智能模型與數字病理圖像相結合，醫生可以檢測高危癌症患者的生物標誌物和其他標誌物。研究人員表示，結合患者的臨床數據。研究結果被用來創建一個評分系統，預測未來十年癌症復發的可能性。
人工智能工具目前正在開發中。計劃在不久的將來進行臨床試驗和資助研究。
單擊此處訂閱我們的健康通訊。
“我們希望，一旦我們完全開發出這種人工智能工具，這將幫助我們識別有復發風險的患者。我們將能夠將這個工具用於所有小葉乳腺癌患者，”羅伊繼續說道。
“如果我們知道患者五年內癌症復發的機率增加 10%，我們就可以密切關注該患者。”
這項研究的研究人員鼓勵女性與醫生討論額外的成像是否適合她們。 （艾斯托克）
腫瘤學家還可以使用其他成像技術。這是為了確保這些高危患者不會出現癌症復發。羅伊補充道。它指出，這種新的人工智能驅動方法可以“為許多患者帶來希望”。
腫瘤學家鼓勵女性與醫生討論額外的影像學檢查是否適合她們。
可能的限制
德克薩斯州急診室醫生兼人工智能專家哈維·卡斯特羅博士沒有參與俄勒岡州立大學的研究，但向福克斯新聞數字頻道評論了研究結果。
通過我們最新的生活方式測驗來測試一下自己。
“俄亥俄州的研究標誌著使用人工智能檢測小葉乳腺癌（一種眾所周知的困難亞型）的重要進展。但它也凸顯了仍然阻礙人工智能完全匹配現實世界複雜性的障礙，”他說。
醫生指出，最大的問題之一是利用舊數據訓練人工智能。 “醫學正在迅速發展。基於昨天圖像構建的算法可能會錯過今天的模式。我稱之為時間的運動”
“在這些工具進入日常護理之前，我們需要確保這些工具在各種現實世界人群中進行了測試。”
卡斯特羅警告說，該系統在實驗室中“運行良好”，但在新醫院或患者群體中進行測試時可能會出現問題。
“緻密的乳房組織仍然是人工智能的一個弱點，”他說。 “放射科醫生隱藏腫瘤的相同密度也會混淆算法。對於所有種族和年齡組來說尤其如此。”
點擊此處查看更多健康故事。
卡斯特羅表示，人工智能不會取代放射科醫生。但這將重新定義它們的工作方式。
“但在這些工具進入日常護理之前，我們需要確保這些工具在不同的現實世界人群中進行測試。這不僅僅是來自完美實驗室的數據。”
