乳腺癌已成為全球女性中，發(fā)病和死亡均居于首位的惡性腫瘤。據世界衛(wèi)生組織統計，全球每年新發(fā)乳腺癌病例高達120萬左右。

盡管在遺傳學和現代醫(yī)學成像技術都取得了重大進展，但大多數乳腺癌患者的診斷仍然不盡如人意。對于大多數乳腺癌患者來說，確診時已經為時已晚。盡早的診斷意味著能有及時的治療，不確定的診斷則意味著要花費更多的醫(yī)療費用。因此，乳腺癌的早期發(fā)現和早期診斷是一直是乳腺癌研究中的努力方向。

考慮到這一點，麻省理工學院計算機科學與人工智能實驗室(CSAIL)和馬薩諸塞州綜合醫(yī)院(MGH)的團隊創(chuàng)建新的深度學習模型，該模型可以通過乳房X光檢查中預測患者在未來五年內是否可能發(fā)展成乳腺癌。該模型接受了來自60000多名乳腺癌患者的乳房X線照片的已知結果的培訓，學習了乳房組織中惡性腫瘤前兆的細微模式。

雖然，乳房X線照相術已被證明可以降低乳腺癌的死亡率，但仍然存在關于篩查頻率和何時開始的爭論。麻省理工學院教授Regina Barzilay說：“我們可以根據女性患癌癥的風險進行個性化篩選，而不是采取一刀切的方式，醫(yī)生可能會建議一組女性每隔一年進行乳房X光檢查，而另一組高危人群可能會進行磁共振成像檢查。”

該團隊的模型在預測風險方面明顯優(yōu)于現有方法：該模型能夠準確預測最高風險類別中所有癌癥患者中的31%，而傳統模型僅為18%。

乳腺癌的早期發(fā)現和早期合理治療，可大大延長患者的生存期。該模型通過預測未來誰會發(fā)展成癌癥，將有望在癥狀出現之前挽救生命。