研究表明，商用人工智能 (AI) 算法可以帮助放射科医生在乳房 X 光检查中立即发现乳腺癌，也可以在最终诊断前数年突出显示处于危险中的女性。
研究结果《JAMA Network Open》报道，可以提供个性化筛查的途径，从而可能导致乳腺癌的早期诊断。
在最终癌症四到六年前患上癌症的乳房中，平均绝对 AI 分数较高与未患癌症的乳房进行比较。
如果为立即癌症检测而开发的商业人工智能算法的分数也可以估计未来的癌症风险，那么更准确和可靠的短期风险估计可能会导致量身定制的、研究人员解释说，个性化的预防措施（例如更频繁或补充成像）可能会导致更早的乳腺癌检测和不太积极的治疗。
最近，几种商业人工智能算法作为辅助手段已获得监管部门的批准这些算法标记了关注的区域，并提供乳房和检查级别的恶性肿瘤评分，以帮助放射科医生进行解读。
然而，新兴研究表明，人工智能评分还可以在临床检测到乳腺癌之前的几年内检测到与乳腺癌相关的成像特征。
为了进一步研究，来自挪威公共卫生研究所的 Solveig Hofvind 博士和她的团队研究了接受筛查的斯堪的纳维亚女性乳房 X 光检查记录的人工智能癌症检测分数。
具体来说，该团队检查了商业人工智能算法 INSIGHT MMG 的分数是否已获得乳腺癌检测监管许可，可以估计后续筛查中诊断出的乳腺癌的发展情况。
这项回顾性研究纳入了 116, 495 名女性，年龄在 50 至 69 岁之间，之前没有乳腺癌病史，她们参加了国家筛查计划在挪威的九个中心进行了检查。
这些女性都至少连续进行了三轮每两年一次的乳房 X 光检查，其中前两轮与乳腺癌诊断无关。
每次检查时，该算法提供了一个分数，表示怀疑乳腺癌，范围从 0 到 100，数值越大，表明当前乳房 X 光检查中出现乳腺癌的可能性越高。
总共检测到 1265 例乳腺癌。筛查（定义为导管原位癌或浸润性乳腺癌），以及筛查期间诊断出的 342 例间期癌症。
患筛查检测出的癌症的女性乳房之间 AI 评分的平均绝对差异为在第一、第二和第三轮研究中分别为 21.3、30.7 和 79.0。
研究人员将考试级别 AI 分数最高的 1% 定义为阳性，其余 99% 为阴性。
使用 91.3 的绝对 AI 评分阈值，他们计算出，在第一轮研究中，4.5% 的筛查检测到的癌症和间隔期癌症的 AI 评分呈阳性，而在第二轮研究中，这一比例为 8.6%在同一阈值下，每轮研究中未患乳腺癌的女性中有 0.7% 的 AI 评分为假阳性。根据乳房之间 AI 分数的差异，对于假设阈值观察到类似的模式。
作者指出：尽管当前的商业 AI 工具（例如我们研究中使用的工具）并未针对未来进行开发或优化在癌症风险估计方面，我们发现人工智能系统在估计诊断前 4 至 6 年未来筛查检测到的癌症风险或间隔癌症风险时的辨别准确性达到或超过了目前广泛使用的既定风险计算器的性能。