女性患乳腺癌的风险通常是通过临床模型来计算的，比如乳腺癌监测联盟(breast cancer Surveillance Consortium, BCSC)风险模型，该模型使用患者的自我报告和其他信息——包括年龄、家族史、是否生育以及是否有致密乳房——来计算风险评分。
这项发表在《放射学》(Radiology)杂志上的研究表明，人工智能可以在5年内做出强有力的预测。
人工智能还能够识别遗漏的癌症和乳腺组织特征，帮助预测未来的癌症发展。
“乳房x光检查中的某些东西可以让我们追踪乳腺癌的风险。这是人工智能的‘黑匣子’，”首席研究员Vignesh a. Arasu说，他是北加州凯撒医疗机构的研究科学家和执业放射科医生。
当以风险最高的10%的女性为例进行评估时，人工智能预测了高达28%的癌症，而BCSC预测了21%。
“我们正在寻找一种准确、有效、可扩展的方法来了解女性患乳腺癌的风险，”Arasu博士说。
“基于乳房x光检查的人工智能风险模型比传统的临床风险模型具有实际优势，因为它们使用单一数据源:乳房x光检查本身。”
在这项研究中，Arasu博士纳入了2016年在2D乳房x光检查中呈阴性(没有明显的癌症证据)的13628名女性。
此外，还研究了4584名在5年内被诊断为癌症的患者。所有女性都被跟踪到2021年。
使用2016年筛查乳房x光片，五年内乳腺癌的风险评分由五种人工智能算法生成，其中包括研究人员使用的两种学术算法和三种商用算法。
然后将风险评分相互比较，并与BCSC临床风险评分进行比较。
Arasu说:“在预测0到5年的乳腺癌风险方面，所有五种人工智能算法都比BCSC风险模型表现得更好。”
一些人工智能算法还擅长预测间隔期癌症的高风险患者，这通常是侵袭性的，可能需要再次阅读乳房x光片、补充筛查或短间隔随访成像。
即使是经过短时间(低至3个月)训练的人工智能算法，也能够在没有通过乳房x光筛查临床检测到癌症的情况下，预测未来五年的癌症风险。
当AI和BCSC风险模型联合使用时，进一步提高了癌症预测。
人工智能只需几秒钟就能生成一个人的未来风险评分，可以整合到与患者和医生共享的放射学报告中。
Arasu说:“用于癌症风险预测的人工智能为我们提供了个性化每位女性护理的机会，这是系统不可用的。”“这是一个可以帮助我们在全国范围内提供个性化、精准医疗的工具。”
“能够提供多年预算的地方部长对于制定适合北爱尔兰人民的解决方案至关重要。”
1952年，罗宾逊和他的弟弟德斯蒙德一起代表英国参加了芬兰奥运会，之后他又创造了巡回赛的历史。