机器学习模型可识别乳房病变风险

　　美国研究人员近日在《放射学》杂志线上版发表文章称，他们开发出一种机器学习工具，可以确定哪些高危乳房病变可能会变成癌症，从而帮助医生作出正确的治疗决策，减少不必要的手术。

　　乳房病变是一种女性常见疾病，而高危乳房病变有很大几率转变成癌症。正是由于这种风险，手术切除病变组织通常被认为是首选治疗方案。然而，许多病变并不会对患者的生命构成直接威胁，并无必要进行切除手术。此次，美国麻省理工学院计算机科学与人工智能实验室的研究人员和马萨诸塞州总医院的乳腺成像专家合作，开发出的这种机器学习模型，正是为了改进乳腺癌检测，防止过度处理，以减少不必要的手术。

　　这一模型不仅能够分析患者年龄、病变组织学等传统的风险因素，还会分析一些独特因素，如活检病理报告文本中出现的单词。经过培训，该机器学习模型对335个病例进行了分析测试，正确地预测了38个会转变为癌症的病变中的37个，准确率达97%。研究人员称，使用该模型将有助于避免近三分之一的良性手术。

　　研究人员表示，新研究只是一个“概念验证”，表明机器学习技术在临床诊断过程中大有用武之地。而他们的目标是在临床中应用这种工具，帮助医生对患者进行监测，作出更明智的治疗决策。