2025-09-24 17:22
社会与生活
健康｜想知道你患乳腺癌的风险有多大？问AI吧
健康｜想知道你患乳腺癌的风险有多大？问AI吧
一些健康科技公司正在开发AI模型，用于识别哪些患者可能有癌症风险，从而判断谁需要进一步筛查或预防性治疗。
Brianna Abbott
■
未来几年你患上乳腺癌的几率有多大？用不了多久AI或许就能告诉你答案。
研究人员和公司正在设计AI模型，来预测女性在不远的将来患乳腺癌的风险，以及患肺癌和其他疾病的风险。这些AI算法利用过去患者的乳腺X光片——其中一些人后来患上了乳腺癌——进行训练，目的是在疾病能被肉眼察觉之前，找出风险最高的人群。
Clairity和DeepHealth等公司正寻求尽快将自己的预测算法引入美国市场，推动AI超越其目前作为诊断助手的医疗用途。这些新工具可以帮助医生决定患者是否需要更多筛查，甚至是否需要预防性药物。
“我无法通过看一张乳腺X光片就准确预测一名女性五年内的乳腺癌风险，我的任何同事也做不到，“Clairity的创始人、哈佛医学院(Harvard Medical School)放射学教授康妮·莱曼(Connie Lehman)博士说。“我们正处在一个非人力所能及的领域。”
莱曼说，Clairity的AI模型旨在通过常规乳腺X光片预测女性五年内的乳腺癌风险。该模型使用了现有记录中超过40万份常规乳腺X光片进行训练，并与这些女性五年后的乳腺癌状况相匹配。研究人员猜测，这使得AI能够识别出乳腺组织中可以预测未来癌症的模式。这些迹象非常细微和复杂，以至于人类至今无法自行分辨。
在试用该工具时，团队发现，AI在仅分析了一名女性的一张乳腺X光片后，还能预测出她的年龄、是否绝经以及是否生育过孩子。
莱曼说：“女性的人生经历都沉淀在她乳腺组织的图像中。”
Clairity的AI模型于今年5月获得了美国食品药品管理局(Food and Drug Administration, 简称FDA)的授权，是同类模型中首个获此授权的。该公司正计划于今年晚些时候在诊所中引入该模型，并正在与保险公司商讨潜在的纳入事宜。
目前用于确定乳腺癌风险的工具技术含量较低。如今，女性会被问及年龄、种族、家族史、乳腺密度以及其他影响患乳腺癌几率的因素。然后，计算器会估算出女性的近期或终生风险；约3.0%的五年风险被认为是高风险，20%或更高的终生风险也是高风险。
研究显示，分析乳腺X光片的新AI模型通常优于老式的风险评分计算器。相对于日后不会患癌的女性，计算器对会患癌女性给出更高风险评分的准确率约为60%。数据显示，对于AI模型，这一准确率提高到约70%或更高，具体取决于患者群体和具体模型。
Kaiser Permanente北加州研究部的放射科医生兼AI研究员维格尼什·阿拉苏(Vignesh Arasu)说：“虽然这些数字听起来不大，但这确实是一个巨大的、跨越阶梯式的变化。”他曾发表研究，对传统的风险计算器与较新的AI工具进行了比较。
圣路易斯华盛顿大学医学院(Washington University School of Medicine in St. Louis)的癌症预防研究员格雷厄姆·科尔迪茨(Graham Colditz)博士说，使用AI而不使用计算器可以节省临床时间。
科尔迪茨和他在圣路易斯华盛顿大学医学院的团队正计划进行一项临床试验，以测试他们自己正在开发的模型。该AI算法将在参与者接受常规筛查时预测她们五年内的乳腺癌风险，然后将她们分入不同的风险组。接着，该试验将根据风险水平对女性进行分诊，决定她们接受更多还是更少的筛查，并对她们进行跟踪。今年早些时候，圣路易斯华盛顿大学医学院的AI风险预测工具被首尔的医疗AI公司Lunit收购。
被标记为较高风险的女性可以接受MRI或其他检查，或服用他莫昔芬(tamoxifen)等预防性药物，这种药物可以阻断雌激素，降低乳腺癌风险。这将使她们能够在疾病萌芽阶段就发现它，甚至完全避免患病。另一方面，低风险女性可能就不需要那么多的筛查。
科尔迪茨说：“我们可以根据女性的风险情况让这个流程更加定制化。如果高风险女性得到恰当的识别，我们将会看到乳腺癌确诊病例出现相当程度的减少。”
尽管如此，一些医生对接受这项技术仍持犹豫态度，希望有更多证据表明它能减少晚期疾病和死亡。迄今为止的研究尚未关注患者的长期健康结果。其中一些工具可能会标记出过多的女性，她们可能患上的是不会对其造成伤害的低风险乳腺病变。
“我认为这很棒，但我确实认为，现在要知道它有多有效可能还为时过早，“美国放射学会(American College of Radiology)乳腺成像委员会主席斯塔马蒂亚·德斯图尼斯(Stamatia Destounis)博士说。“它们对死亡率结果有任何影响吗？我们没有这方面的信息。”
这些公司和研究人员表示，已经投入使用的、基于问卷的计算器也没有关于死亡率结果的数据。而一些已经开始的临床试验需要数年才能完成；到试验完成时，这些AI模型可能已经过时了。
根据美国放射学会的调查数据，美国约30%的放射科诊疗机构已在乳腺影像护理中使用了某种形式的AI。但大多数机构并未使用它来预测个人风险。目前，一些患者可以付费增加一次AI对她们乳腺X光片的解读，作为放射科医生解读的补充，一些诊所则使用AI将可疑的扫描结果优先排在待办列表的顶端。
医生们还担心，AI模型在多样化的患者群体中可能效果不佳，但迄今为止的数据表明，一些模型可以胜任。近期数据显示，一个名为Sybil的AI模型在伊利诺伊州一个以黑人为主的人群中表现出高度准确性，该模型旨在通过CT扫描预测肺癌风险。研究人员说，此前的美国研究主要在白人患者身上测试该算法。该模型也已在来自韩国和台湾的患者数据上成功进行了测试。
该算法来自麻省理工学院(Massachusetts Institute of Technology)和麻总百瀚(Mass General Brigham)的研究人员，可以帮助医生在考虑谁可能有肺癌风险时，不再仅仅局限于吸烟史；目前，只有那些有大量吸烟史的人才有资格接受筛查。
研究人员还在设计算法，以识别哪些慢性肾病患者可能会发展为终末期肾病。另一个团队使用超过100万份电子健康记录来开发AI模型，以预测一个人的基因突变是否真的会导致相应的疾病，包括某些癌症和一种遗传性心脏病。
DeepHealth拥有自己的乳腺癌AI风险预测器，该产品已在欧洲上市。在该公司，研究人员还在探索如何通过单次乳腺X光检查来预测癌症之外的健康风险。
“我是在筛查癌症，但我能否在同一次检查中观察钙化情况，并对心血管疾病进行风险评估？”DeepHealth的人口健康与临床AI业务和产品负责人尼科洛·斯特凡尼(Niccolo Stefani)博士说。”这样就能实现双重价值。”
研究人员和公司正在设计AI模型，来预测女性在不远的将来患乳腺癌的风险，以及患肺癌和其他疾病的风险。这些AI算法利用过去患者的乳腺X光片——其中一些人后来患上了乳腺癌——进行训练，目的是在疾病能被肉眼察觉之前，找出风险最高的人群。
Clairity和DeepHealth等公司正寻求尽快将自己的预测算法引入美国市场，推动AI超越其目前作为诊断助手的医疗用途。这些新工具可以帮助医生决定患者是否需要更多筛查，甚至是否需要预防性药物。
“我无法通过看一张乳腺X光片就准确预测一名女性五年内的乳腺癌风险，我的任何同事也做不到，“Clairity的创始人、哈佛医学院(Harvard Medical School)放射学教授康妮·莱曼(Connie Lehman)博士说。“我们正处在一个非人力所能及的领域。”
莱曼说，Clairity的AI模型旨在通过常规乳腺X光片预测女性五年内的乳腺癌风险。该模型使用了现有记录中超过40万份常规乳腺X光片进行训练，并与这些女性五年后的乳腺癌状况相匹配。研究人员猜测，这使得AI能够识别出乳腺组织中可以预测未来癌症的模式。这些迹象非常细微和复杂，以至于人类至今无法自行分辨。
在试用该工具时，团队发现，AI在仅分析了一名女性的一张乳腺X光片后，还能预测出她的年龄、是否绝经以及是否生育过孩子。
莱曼说：“女性的人生经历都沉淀在她乳腺组织的图像中。”
Clairity的AI模型于今年5月获得了美国食品药品管理局(Food and Drug Administration, 简称FDA)的授权，是同类模型中首个获此授权的。该公司正计划于今年晚些时候在诊所中引入该模型，并正在与保险公司商讨潜在的纳入事宜。
目前用于确定乳腺癌风险的工具技术含量较低。如今，女性会被问及年龄、种族、家族史、乳腺密度以及其他影响患乳腺癌几率的因素。然后，计算器会估算出女性的近期或终生风险；约3.0%的五年风险被认为是高风险，20%或更高的终生风险也是高风险。
研究显示，分析乳腺X光片的新AI模型通常优于老式的风险评分计算器。相对于日后不会患癌的女性，计算器对会患癌女性给出更高风险评分的准确率约为60%。数据显示，对于AI模型，这一准确率提高到约70%或更高，具体取决于患者群体和具体模型。
Kaiser Permanente北加州研究部的放射科医生兼AI研究员维格尼什·阿拉苏(Vignesh Arasu)说：“虽然这些数字听起来不大，但这确实是一个巨大的、跨越阶梯式的变化。”他曾发表研究，对传统的风险计算器与较新的AI工具进行了比较。
圣路易斯华盛顿大学医学院(Washington University School of Medicine in St. Louis)的癌症预防研究员格雷厄姆·科尔迪茨(Graham Colditz)博士说，使用AI而不使用计算器可以节省临床时间。
科尔迪茨和他在圣路易斯华盛顿大学医学院的团队正计划进行一项临床试验，以测试他们自己正在开发的模型。该AI算法将在参与者接受常规筛查时预测她们五年内的乳腺癌风险，然后将她们分入不同的风险组。接着，该试验将根据风险水平对女性进行分诊，决定她们接受更多还是更少的筛查，并对她们进行跟踪。今年早些时候，圣路易斯华盛顿大学医学院的AI风险预测工具被首尔的医疗AI公司Lunit收购。
被标记为较高风险的女性可以接受MRI或其他检查，或服用他莫昔芬(tamoxifen)等预防性药物，这种药物可以阻断雌激素，降低乳腺癌风险。这将使她们能够在疾病萌芽阶段就发现它，甚至完全避免患病。另一方面，低风险女性可能就不需要那么多的筛查。
科尔迪茨说：“我们可以根据女性的风险情况让这个流程更加定制化。如果高风险女性得到恰当的识别，我们将会看到乳腺癌确诊病例出现相当程度的减少。”
尽管如此，一些医生对接受这项技术仍持犹豫态度，希望有更多证据表明它能减少晚期疾病和死亡。迄今为止的研究尚未关注患者的长期健康结果。其中一些工具可能会标记出过多的女性，她们可能患上的是不会对其造成伤害的低风险乳腺病变。
“我认为这很棒，但我确实认为，现在要知道它有多有效可能还为时过早，“美国放射学会(American College of Radiology)乳腺成像委员会主席斯塔马蒂亚·德斯图尼斯(Stamatia Destounis)博士说。“它们对死亡率结果有任何影响吗？我们没有这方面的信息。”
这些公司和研究人员表示，已经投入使用的、基于问卷的计算器也没有关于死亡率结果的数据。而一些已经开始的临床试验需要数年才能完成；到试验完成时，这些AI模型可能已经过时了。
根据美国放射学会的调查数据，美国约30%的放射科诊疗机构已在乳腺影像护理中使用了某种形式的AI。但大多数机构并未使用它来预测个人风险。目前，一些患者可以付费增加一次AI对她们乳腺X光片的解读，作为放射科医生解读的补充，一些诊所则使用AI将可疑的扫描结果优先排在待办列表的顶端。
医生们还担心，AI模型在多样化的患者群体中可能效果不佳，但迄今为止的数据表明，一些模型可以胜任。近期数据显示，一个名为Sybil的AI模型在伊利诺伊州一个以黑人为主的人群中表现出高度准确性，该模型旨在通过CT扫描预测肺癌风险。研究人员说，此前的美国研究主要在白人患者身上测试该算法。该模型也已在来自韩国和台湾的患者数据上成功进行了测试。
该算法来自麻省理工学院(Massachusetts Institute of Technology)和麻总百瀚(Mass General Brigham)的研究人员，可以帮助医生在考虑谁可能有肺癌风险时，不再仅仅局限于吸烟史；目前，只有那些有大量吸烟史的人才有资格接受筛查。
研究人员还在设计算法，以识别哪些慢性肾病患者可能会发展为终末期肾病。另一个团队使用超过100万份电子健康记录来开发AI模型，以预测一个人的基因突变是否真的会导致相应的疾病，包括某些癌症和一种遗传性心脏病。
DeepHealth拥有自己的乳腺癌AI风险预测器，该产品已在欧洲上市。在该公司，研究人员还在探索如何通过单次乳腺X光检查来预测癌症之外的健康风险。
“我是在筛查癌症，但我能否在同一次检查中观察钙化情况，并对心血管疾病进行风险评估？”DeepHealth的人口健康与临床AI业务和产品负责人尼科洛·斯特凡尼(Niccolo Stefani)博士说。”这样就能实现双重价值。”
■
相关内容
相关内容
2025-09-24 17:22
社会与生活
健康｜想知道你患乳腺癌的风险有多大？问AI吧
健康｜想知道你患乳腺癌的风险有多大？问AI吧
一些健康科技公司正在开发AI模型，用于识别哪些患者可能有癌症风险，从而判断谁需要进一步筛查或预防性治疗。
Brianna Abbott
■
未来几年你患上乳腺癌的几率有多大？用不了多久AI或许就能告诉你答案。
研究人员和公司正在设计AI模型，来预测女性在不远的将来患乳腺癌的风险，以及患肺癌和其他疾病的风险。这些AI算法利用过去患者的乳腺X光片——其中一些人后来患上了乳腺癌——进行训练，目的是在疾病能被肉眼察觉之前，找出风险最高的人群。
Clairity和DeepHealth等公司正寻求尽快将自己的预测算法引入美国市场，推动AI超越其目前作为诊断助手的医疗用途。这些新工具可以帮助医生决定患者是否需要更多筛查，甚至是否需要预防性药物。
“我无法通过看一张乳腺X光片就准确预测一名女性五年内的乳腺癌风险，我的任何同事也做不到，“Clairity的创始人、哈佛医学院(Harvard Medical School)放射学教授康妮·莱曼(Connie Lehman)博士说。“我们正处在一个非人力所能及的领域。”
莱曼说，Clairity的AI模型旨在通过常规乳腺X光片预测女性五年内的乳腺癌风险。该模型使用了现有记录中超过40万份常规乳腺X光片进行训练，并与这些女性五年后的乳腺癌状况相匹配。研究人员猜测，这使得AI能够识别出乳腺组织中可以预测未来癌症的模式。这些迹象非常细微和复杂，以至于人类至今无法自行分辨。
在试用该工具时，团队发现，AI在仅分析了一名女性的一张乳腺X光片后，还能预测出她的年龄、是否绝经以及是否生育过孩子。
莱曼说：“女性的人生经历都沉淀在她乳腺组织的图像中。”
Clairity的AI模型于今年5月获得了美国食品药品管理局(Food and Drug Administration, 简称FDA)的授权，是同类模型中首个获此授权的。该公司正计划于今年晚些时候在诊所中引入该模型，并正在与保险公司商讨潜在的纳入事宜。
目前用于确定乳腺癌风险的工具技术含量较低。如今，女性会被问及年龄、种族、家族史、乳腺密度以及其他影响患乳腺癌几率的因素。然后，计算器会估算出女性的近期或终生风险；约3.0%的五年风险被认为是高风险，20%或更高的终生风险也是高风险。
研究显示，分析乳腺X光片的新AI模型通常优于老式的风险评分计算器。相对于日后不会患癌的女性，计算器对会患癌女性给出更高风险评分的准确率约为60%。数据显示，对于AI模型，这一准确率提高到约70%或更高，具体取决于患者群体和具体模型。
Kaiser Permanente北加州研究部的放射科医生兼AI研究员维格尼什·阿拉苏(Vignesh Arasu)说：“虽然这些数字听起来不大，但这确实是一个巨大的、跨越阶梯式的变化。”他曾发表研究，对传统的风险计算器与较新的AI工具进行了比较。
圣路易斯华盛顿大学医学院(Washington University School of Medicine in St. Louis)的癌症预防研究员格雷厄姆·科尔迪茨(Graham Colditz)博士说，使用AI而不使用计算器可以节省临床时间。
科尔迪茨和他在圣路易斯华盛顿大学医学院的团队正计划进行一项临床试验，以测试他们自己正在开发的模型。该AI算法将在参与者接受常规筛查时预测她们五年内的乳腺癌风险，然后将她们分入不同的风险组。接着，该试验将根据风险水平对女性进行分诊，决定她们接受更多还是更少的筛查，并对她们进行跟踪。今年早些时候，圣路易斯华盛顿大学医学院的AI风险预测工具被首尔的医疗AI公司Lunit收购。
被标记为较高风险的女性可以接受MRI或其他检查，或服用他莫昔芬(tamoxifen)等预防性药物，这种药物可以阻断雌激素，降低乳腺癌风险。这将使她们能够在疾病萌芽阶段就发现它，甚至完全避免患病。另一方面，低风险女性可能就不需要那么多的筛查。
科尔迪茨说：“我们可以根据女性的风险情况让这个流程更加定制化。如果高风险女性得到恰当的识别，我们将会看到乳腺癌确诊病例出现相当程度的减少。”
尽管如此，一些医生对接受这项技术仍持犹豫态度，希望有更多证据表明它能减少晚期疾病和死亡。迄今为止的研究尚未关注患者的长期健康结果。其中一些工具可能会标记出过多的女性，她们可能患上的是不会对其造成伤害的低风险乳腺病变。
“我认为这很棒，但我确实认为，现在要知道它有多有效可能还为时过早，“美国放射学会(American College of Radiology)乳腺成像委员会主席斯塔马蒂亚·德斯图尼斯(Stamatia Destounis)博士说。“它们对死亡率结果有任何影响吗？我们没有这方面的信息。”
这些公司和研究人员表示，已经投入使用的、基于问卷的计算器也没有关于死亡率结果的数据。而一些已经开始的临床试验需要数年才能完成；到试验完成时，这些AI模型可能已经过时了。
根据美国放射学会的调查数据，美国约30%的放射科诊疗机构已在乳腺影像护理中使用了某种形式的AI。但大多数机构并未使用它来预测个人风险。目前，一些患者可以付费增加一次AI对她们乳腺X光片的解读，作为放射科医生解读的补充，一些诊所则使用AI将可疑的扫描结果优先排在待办列表的顶端。
医生们还担心，AI模型在多样化的患者群体中可能效果不佳，但迄今为止的数据表明，一些模型可以胜任。近期数据显示，一个名为Sybil的AI模型在伊利诺伊州一个以黑人为主的人群中表现出高度准确性，该模型旨在通过CT扫描预测肺癌风险。研究人员说，此前的美国研究主要在白人患者身上测试该算法。该模型也已在来自韩国和台湾的患者数据上成功进行了测试。
该算法来自麻省理工学院(Massachusetts Institute of Technology)和麻总百瀚(Mass General Brigham)的研究人员，可以帮助医生在考虑谁可能有肺癌风险时，不再仅仅局限于吸烟史；目前，只有那些有大量吸烟史的人才有资格接受筛查。
研究人员还在设计算法，以识别哪些慢性肾病患者可能会发展为终末期肾病。另一个团队使用超过100万份电子健康记录来开发AI模型，以预测一个人的基因突变是否真的会导致相应的疾病，包括某些癌症和一种遗传性心脏病。
DeepHealth拥有自己的乳腺癌AI风险预测器，该产品已在欧洲上市。在该公司，研究人员还在探索如何通过单次乳腺X光检查来预测癌症之外的健康风险。
“我是在筛查癌症，但我能否在同一次检查中观察钙化情况，并对心血管疾病进行风险评估？”DeepHealth的人口健康与临床AI业务和产品负责人尼科洛·斯特凡尼(Niccolo Stefani)博士说。”这样就能实现双重价值。”
研究人员和公司正在设计AI模型，来预测女性在不远的将来患乳腺癌的风险，以及患肺癌和其他疾病的风险。这些AI算法利用过去患者的乳腺X光片——其中一些人后来患上了乳腺癌——进行训练，目的是在疾病能被肉眼察觉之前，找出风险最高的人群。
Clairity和DeepHealth等公司正寻求尽快将自己的预测算法引入美国市场，推动AI超越其目前作为诊断助手的医疗用途。这些新工具可以帮助医生决定患者是否需要更多筛查，甚至是否需要预防性药物。
“我无法通过看一张乳腺X光片就准确预测一名女性五年内的乳腺癌风险，我的任何同事也做不到，“Clairity的创始人、哈佛医学院(Harvard Medical School)放射学教授康妮·莱曼(Connie Lehman)博士说。“我们正处在一个非人力所能及的领域。”
莱曼说，Clairity的AI模型旨在通过常规乳腺X光片预测女性五年内的乳腺癌风险。该模型使用了现有记录中超过40万份常规乳腺X光片进行训练，并与这些女性五年后的乳腺癌状况相匹配。研究人员猜测，这使得AI能够识别出乳腺组织中可以预测未来癌症的模式。这些迹象非常细微和复杂，以至于人类至今无法自行分辨。
在试用该工具时，团队发现，AI在仅分析了一名女性的一张乳腺X光片后，还能预测出她的年龄、是否绝经以及是否生育过孩子。
莱曼说：“女性的人生经历都沉淀在她乳腺组织的图像中。”
Clairity的AI模型于今年5月获得了美国食品药品管理局(Food and Drug Administration, 简称FDA)的授权，是同类模型中首个获此授权的。该公司正计划于今年晚些时候在诊所中引入该模型，并正在与保险公司商讨潜在的纳入事宜。
目前用于确定乳腺癌风险的工具技术含量较低。如今，女性会被问及年龄、种族、家族史、乳腺密度以及其他影响患乳腺癌几率的因素。然后，计算器会估算出女性的近期或终生风险；约3.0%的五年风险被认为是高风险，20%或更高的终生风险也是高风险。
研究显示，分析乳腺X光片的新AI模型通常优于老式的风险评分计算器。相对于日后不会患癌的女性，计算器对会患癌女性给出更高风险评分的准确率约为60%。数据显示，对于AI模型，这一准确率提高到约70%或更高，具体取决于患者群体和具体模型。
Kaiser Permanente北加州研究部的放射科医生兼AI研究员维格尼什·阿拉苏(Vignesh Arasu)说：“虽然这些数字听起来不大，但这确实是一个巨大的、跨越阶梯式的变化。”他曾发表研究，对传统的风险计算器与较新的AI工具进行了比较。
圣路易斯华盛顿大学医学院(Washington University School of Medicine in St. Louis)的癌症预防研究员格雷厄姆·科尔迪茨(Graham Colditz)博士说，使用AI而不使用计算器可以节省临床时间。
科尔迪茨和他在圣路易斯华盛顿大学医学院的团队正计划进行一项临床试验，以测试他们自己正在开发的模型。该AI算法将在参与者接受常规筛查时预测她们五年内的乳腺癌风险，然后将她们分入不同的风险组。接着，该试验将根据风险水平对女性进行分诊，决定她们接受更多还是更少的筛查，并对她们进行跟踪。今年早些时候，圣路易斯华盛顿大学医学院的AI风险预测工具被首尔的医疗AI公司Lunit收购。
被标记为较高风险的女性可以接受MRI或其他检查，或服用他莫昔芬(tamoxifen)等预防性药物，这种药物可以阻断雌激素，降低乳腺癌风险。这将使她们能够在疾病萌芽阶段就发现它，甚至完全避免患病。另一方面，低风险女性可能就不需要那么多的筛查。
科尔迪茨说：“我们可以根据女性的风险情况让这个流程更加定制化。如果高风险女性得到恰当的识别，我们将会看到乳腺癌确诊病例出现相当程度的减少。”
尽管如此，一些医生对接受这项技术仍持犹豫态度，希望有更多证据表明它能减少晚期疾病和死亡。迄今为止的研究尚未关注患者的长期健康结果。其中一些工具可能会标记出过多的女性，她们可能患上的是不会对其造成伤害的低风险乳腺病变。
“我认为这很棒，但我确实认为，现在要知道它有多有效可能还为时过早，“美国放射学会(American College of Radiology)乳腺成像委员会主席斯塔马蒂亚·德斯图尼斯(Stamatia Destounis)博士说。“它们对死亡率结果有任何影响吗？我们没有这方面的信息。”
这些公司和研究人员表示，已经投入使用的、基于问卷的计算器也没有关于死亡率结果的数据。而一些已经开始的临床试验需要数年才能完成；到试验完成时，这些AI模型可能已经过时了。
根据美国放射学会的调查数据，美国约30%的放射科诊疗机构已在乳腺影像护理中使用了某种形式的AI。但大多数机构并未使用它来预测个人风险。目前，一些患者可以付费增加一次AI对她们乳腺X光片的解读，作为放射科医生解读的补充，一些诊所则使用AI将可疑的扫描结果优先排在待办列表的顶端。
医生们还担心，AI模型在多样化的患者群体中可能效果不佳，但迄今为止的数据表明，一些模型可以胜任。近期数据显示，一个名为Sybil的AI模型在伊利诺伊州一个以黑人为主的人群中表现出高度准确性，该模型旨在通过CT扫描预测肺癌风险。研究人员说，此前的美国研究主要在白人患者身上测试该算法。该模型也已在来自韩国和台湾的患者数据上成功进行了测试。
该算法来自麻省理工学院(Massachusetts Institute of Technology)和麻总百瀚(Mass General Brigham)的研究人员，可以帮助医生在考虑谁可能有肺癌风险时，不再仅仅局限于吸烟史；目前，只有那些有大量吸烟史的人才有资格接受筛查。
研究人员还在设计算法，以识别哪些慢性肾病患者可能会发展为终末期肾病。另一个团队使用超过100万份电子健康记录来开发AI模型，以预测一个人的基因突变是否真的会导致相应的疾病，包括某些癌症和一种遗传性心脏病。
DeepHealth拥有自己的乳腺癌AI风险预测器，该产品已在欧洲上市。在该公司，研究人员还在探索如何通过单次乳腺X光检查来预测癌症之外的健康风险。
“我是在筛查癌症，但我能否在同一次检查中观察钙化情况，并对心血管疾病进行风险评估？”DeepHealth的人口健康与临床AI业务和产品负责人尼科洛·斯特凡尼(Niccolo Stefani)博士说。”这样就能实现双重价值。”
■
相关内容
相关内容
读者评论OR
读者评论
OR
在移动设备生成「OR新媒体」
app：
特别报道
特别报道
最受欢迎
OR
分享：
最新资讯
OR
OR品牌理念
■ 或者, 留一段影像，回一曲挂牵。丝丝入扣、暖暖心灵 ，需飘过的醇厚与共。
■ 或者，热烈空雨伴芬芳泥土；绿绿生命缠锐意骄阳。
回望，回望，一马平川红酒飘散断归途。
■ 或者，灰蒙蒙空气重回道指一万四千点。滚动时光，照进现实，流逝过往，回归未来。
■ 或者，热烈空雨伴芬芳泥土；绿绿生命缠锐意骄阳。
回望，回望，一马平川红酒飘散断归途。
■ 或者，灰蒙蒙空气重回道指一万四千点。滚动时光，照进现实，流逝过往，回归未来。
■ OR 新媒体是一个提供时政、经济、文化、科技等多领域资讯的平台，旨在为用户提供优质的阅读体验。网站的网址是oror.vip，用户可以通过浏览器在台式电脑 、笔记本电脑 、平板电脑 、手机访问。.......
读者评论