人工智能（AI）进入乳腺摄影领域，旨在提高乳腺组织恶性肿瘤的解读准确性，提前检测乳腺癌，并减少癌症存在与否的假阳性或假阴性率。这项技术有许多好处，包括降低患者和幸存者的压力水平、不必要的活检和经济负担，这些通常发生在传统乳房X光片不规则的情况下。
那么它是如何工作的呢？基于输入计算机的数据，AI算法创建一个标准来确定恶性程度和风险评分，这些评分将直接影响患者接受的护理水平。食品药品监督管理局（FDA）认为，这些信息将帮助研究人员了解患者特征（年龄、种族、乳腺密度、恶性程度和风险）之间的关系，最终目标是降低乳腺癌的发病率。这是一个值得追求的目标，但专家们发现了一个主要问题：AI筛查在白人和亚洲女性中的成功与在黑人女性中的令人失望的结果形成了鲜明对比。
麻省理工学院电气工程与计算机科学教授雷吉娜·巴兹莱博士（Dr. Regina Barzilay）专门研究AI与健康的交叉领域。虽然她没有参与杜克大学的研究，但巴兹莱博士告诉SheKnows，如果某些种族或人口群体在用于开发算法的训练数据中代表性不足，AI工具可能会在这些群体中表现不佳。
杜克医疗团队并不是唯一一个在研究中发现这种偏见的团队。其他研究主要集中在欧洲女性身上，大多数临床试验都在美国以外进行，进一步抹去了黑人女性的独特标志。巴兹莱博士指出：“一个重要的修复措施是拥有大量代表多样化患者群体的乳房X光片数据集。另一个重要方面是在不同的种族群体中测试这些模型，以确保它们是无偏见的。”
问题是，FDA不要求数据多样性，继续依赖种族偏见的风险评估工具，如泰尔-库兹克模型（Tyrer-Cuzick）或盖尔模型（Gail Model），这些工具在制定指南时没有考虑家族癌症史或种族和民族差异，这影响了这些AI筛查的效果。根据Breastcancer.org，技术人员通过向计算机输入数百万张图像来训练AI，使其将信息转换成正常乳房X光片和含有癌症的乳房X光片的数学表示。从这些信息中，AI创建了一个基准，成为正常乳腺组织的标准。但如果这个基准基于偏向某一特定人群的数据集，这意味着当前的AI筛查实践可能不是该人群之外的人的最佳选择，即非白人和老年女性。
杜克大学的研究揭示了我们仍需克服的AI乳腺癌筛查的局限性。对于因一级亲属（父母、子女或表亲）家族史或BRCA基因存在而遗传易患乳腺癌的黑人女性，或即使是低风险候选人希望预防疾病的情况，这一消息令人沮丧。只要正常乳腺组织的标准排除了种族、健康和寿命等患者特征，黑人女性的前景就依然黯淡。
黑人女性在医疗保健方面的不平等现象并非新问题，医学专业人士致力于研究为什么这一群体更容易患上晚期乳腺癌和其他癌症。莫尔豪斯医学院的梅丽莎·戴维斯博士（Dr. Melissa Davis）响应了这一呼吁，推出了SAMBAI项目，该项目代表社会、祖先、分子和生物学分析的不平等。在癌症大挑战（Cancer Grand Challenges）提供的2500万美元资助下，戴维斯博士的团队致力于创建一个包含来自多个非洲国家以及英国和美国近期非洲血统人群的40,000人的数据库，以确保更准确的数据收集。毕竟，AI算法的质量取决于其获得的信息质量。
另一种改善黑人女性AI筛查的方法是由巴兹莱博士和加州大学旧金山分校及伯克利分校的亚当·亚拉博士（Dr. Adam Yala）共同开发的MIRAI。据巴兹莱博士介绍，“MIRAI解决的是不同的任务：我们的目标是预测未来的疾病风险。这一点很重要，因为它可以为高风险女性提供额外的筛查和预防资源。”这对黑人女性尤其相关，因为研究表明，黑人女性平均比白人女性更年轻时被诊断出乳腺癌。“同时，我们不想过度筛查她们，”巴兹莱博士补充道。“一种可能的情景是在较年轻时首先对她们进行筛查，以识别一小部分真正高风险的女性，她们需要不同的筛查方式。”
根据Breastcancer.org，目前只有9%的美国放射科医生定期使用AI进行乳腺成像。值得注意的是，这项技术不会取代人类临床医生，而是帮助减少和管理放射科医生的工作量，以通过更准确的筛查改善乳腺癌患者的治疗结果。毫无疑问，AI乳腺成像有可能成为一种挽救生命的筛查工具——但这只有在所有女性都包含在其算法中时才会发生。
(全文结束)
