Googles AI-verktyg för bröstcancerscreening lär sig att generalisera över länder

Kategori: Artificiell intelligens Postad 03 jan

I ett preliminärt test presterade en modell som endast tränades på data från brittiska kvinnor fortfarande bättre än experter på amerikanska patienter.

Nyheterna: DeepMind och Google Health har utvecklat ett nytt AI-system för att hjälpa läkare att upptäcka bröstcancer tidigt. Forskarna tränade en algoritm på mammografibilder från kvinnliga patienter i USA och Storbritannien, och den presterade bättre än mänskliga radiologer. Resultaten var publicerad i Nature på onsdag.

En tragedi av misstag: Bröstcancer är den vanligaste cancerformen för kvinnor globalt och den näst vanligaste dödsorsaken. Även om tidig upptäckt och behandling kan förbättra en patients prognos, har screeningtest höga felfrekvenser. Cirka 1 av 5 screeningar lyckas inte hitta bröstcancer även när den är närvarande, även känd som en falsk negativ; 50 % av kvinnorna som får årlig mammografi får också minst ett falskt larm under en 10-årsperiod, känt som ett falskt positivt.

Resultaten: I tester minskade AI-systemet båda typerna av fel. För amerikanska patienter minskade den falska negativa och positiva med 9,4 % respektive 5,7 %; för brittiska patienter minskade den med 2,7 % och 1,2 %. I ett separat experiment testade forskarna systemets förmåga att generalisera: de tränade modellen med endast mammografi från brittiska patienter och utvärderade sedan dess prestanda på amerikanska patienter. Systemet överträffade fortfarande mänskliga radiologer och minskade falska negativa och positiva med 8,1 % och 3,5 %.

Varför det är viktigt: Systemets förmåga att generalisera på detta sätt har lovande konsekvenser. Det visar att det kan vara möjligt att övervinna en av de största utmaningarna som AI-antagandet står inför inom hälso- och sjukvården: behovet av allt mer data för att täcka en representativ patientpopulation. Men sådana resultat bör också tolkas med försiktighet. Relativt sett har USA och Storbritannien ganska likartade befolkningar. Systemet skulle sannolikt inte generalisera lika bra till andra delar av världen.

Relaterat arbete: I oktober förra året, NYU-forskare publicerade en liknande studie , som visar ett AI-system för screening av bröstcancer i paritet med mänskliga radiologer. De primära skillnaderna var dock att det endast använde mammografi från amerikanska patienter, och det jämförde systemets prestanda med mänskliga expertdiagnoser utförda i en konstgjord labbmiljö. Google och DeepMind jämförde istället prestanda med verkliga diagnoser.

människa och maskin: I slutändan drar båda studierna slutsatsen att sådana AI-bröstcancerscreeningar bör användas tillsammans med mänskliga radiologer. Kombinationen ger de mest exakta diagnostiska resultaten men minskar fortfarande arbetsbelastningen på mänskliga radiologer, vilket skulle hjälpa dem att frigöra tid för att fokusera mer på patientvård.