根据德克萨斯大学达拉斯分校（UT Dallas）两位信息系统教授的说法，人工智能在识别高风险乳腺癌病例方面可以成为一种有用的工具，使放射科医生能够更快地进行审查。
UT Dallas表示，这一点很重要，因为自2012年以来，乳腺癌的发病率，尤其是年轻女性的发病率一直在上升，而美国放射科医生的数量却持续下降。Mehmet Ayvaci教授和Radha Mookerjee教授以及来自其他机构的同事们发现，与单纯依赖人类诊断相比，人工智能可以将医疗成本降低30%。
然而，Ayvaci表示，完全从诊断过程中去除人类是不明智的，因为人工智能的准确性仍不及放射科医生。
“工作流程和最具成本效益的策略才是问题所在，”Ayvaci说，“我谈论的是如何替换任务，而不是替换决策。我们能否设计一个AI担任分诊角色的工作流程？”
这两位研究人员都是纳文·金达尔管理学院（Naveen Jindal School of Management）的教职成员。他们的研究结果发表在《自然通讯》（Nature Communications）上。
使用AI研究乳腺X光图像
该团队使用数字乳腺X光DREAM挑战赛提供的真实乳腺X光图像构建了其模型，这是一个包含超过64万张匿名图像的公开数据集。该研究的合著者Gustavo Stolovitzky是DREAM挑战赛的创始人兼名誉主席，DREAM挑战赛是一项通过协作数据科学应用于医学研究的众包倡议。
“我们的方法使我们能够精确识别哪些患者可以安全地仅通过AI进行评估，同时确定哪些患者需要转交给人类，”Mookerjee在一份声明中说道。
“每位患者的数据，包括乳腺X光图像，都会输入到一个人工智能算法中，该算法输出一个风险度量值，”他补充道，“你可以把这个度量值看作是患者患有乳腺癌的概率。”
Mookerjee说，这个风险值用于决定患者是否应被转交给人类。
根据UT Dallas的说法，将人工智能整合到乳腺X光筛查中可以帮助减少假阳性，假阳性通常会导致不必要的程序，如活检。然而，人工智能出现假阴性则引发了重要问题。
“如果人工智能做出了错误的决定，谁应该负责？所有这些都是悬而未决的问题，”Ayvaci说。
人工智能系统的“光明未来”
Ayvaci表示，人工智能在诊断环境中的有效性尚未在现实世界的医疗环境中得到充分测试。他还在研究人工智能如何减轻行政负担并提高成本效率，特别是在农村诊所或服务不足的地区。
“新一代的人工智能系统能够提供上下文并以更快的时间线改进，”Ayvaci说，“所有这些都有助于更光明的未来，使用这些人工智能系统。”
Mookerjee的母亲是一名乳腺癌幸存者，她说她之所以参与该项目是因为有机会将人工智能应用于医疗挑战。
“当Ayvaci博士告诉我他想在乳腺X光筛查图像中使用人工智能的想法时，这似乎是这两个领域的完美结合，”她说。
Ayvaci和伊利诺伊大学厄巴纳-香槟分校（University of Illinois Urbana-Champaign）的合著者Mehmet Eren Ahsen现在正在探索这种人工智能方法如何通过支持同日手术或诊断后的快速后续来加速患者护理。
(全文结束)
