این مطالعه که در مجله رادیولوژی منتشر شده نشان داد الگوریتم‌های هوش مصنوعی از مدل استاندارد خطر بالینی برای پیش‌بینی خطر ابتلا به سرطان سینه در مدت پنج سال، بهتر عمل می‌کند.

مدل‌های خطر مانند امتیاز خطر بالینی کنسرسیوم نظارت بر سرطان سینه (BCSC) که از خوداظهاری و سایر اطلاعات بیمار از جمله سن، سابقه خانوادگی و موارد دیگر استفاده می‌کند، معمولاً برای محاسبه خطر ابتلا به سرطان پستان در زنان استفاده می‌شود.

کنسرسیوم نظارت بر سرطان سینه (BCSC) یک شبکه اشتراکی برای ثبت تصویربرداری سینه است که کیفیت غربالگری سرطان و نتایج مربوط به بیماران را ارزیابی و مورد تحقیق قرار می‌دهد.

دکتر وینگش آراسو محقق ارشد، دانشمند محقق و متخصص رادیولوژی شرکت بهداشت و درمان کایزر پرمننته در کالیفرنیا، گفت: مدل‌های خطر بالینی به جمع‌آوری اطلاعات از منابع مختلف بستگی دارد که همیشه در دسترس نیست یا جمع‌آوری نشده است. پیشرفت‌های اخیر در یادگیری عمیق هوش مصنوعی، امکان استخراج صدها تا هزاران ویژگی اضافی ماموگرافی را فراهم کرده است.

در این مطالعه گذشته نگر، هزاران ماموگرافی مورد تجزیه و تحلیل قرار گرفت و امتیازهای خطر ابتلا به سرطان سینه در یک دوره پنج ساله با پنج الگوریتم هوش مصنوعی تعیین شد. سپس این امتیازها با یکدیگر و امتیاز خطر بالینی BCSC (کنسرسیوم نظارت بر سرطان سینه) مقایسه شد.

آراسو گفت: همه پنج الگوریتم هوش مصنوعی بهتر از مدل خطر BCSC برای پیش‌بینی خطر سرطان سینه در مدت صفر تا پنج سال عمل کردند. عملکرد قوی پیش‌بینی‌ در طول دوره پنج ساله نشان می‌دهد هوش مصنوعی ویژگی های بافت سینه و سرطان را که مورد بی توجهی قرار گرفته، شناسایی می‌کند که به پیش‌بینی سرطان در آینده کمک می‌کند.

در حالی که برخی از موسسات در حال حاضر از هوش مصنوعی برای کمک به تشخیص سرطان با کمک ماموگرافی استفاده می‌کنند، این یافته‌ها نشان می‌دهد هوش مصنوعی می‌تواند ابزاری حیاتی برای کمک به تعیین میزان خطر برای بیمار در آینده باشد که تولید این امتیازها برای هوش مصنوعی چند ثانیه طول می‌کشد.

آراسو گفت: هوش مصنوعی برای پیش‌بینی خطر سرطان این فرصت را فراهم می کند که مراقبت‌های هر زن را شخصی سازی کنیم که این مراقبت ها به طور سیستماتیک در دسترس نیست. هوش مصنوعی ابزاری است که می تواند به ما کمک کند تا درمان شخصی سازی شده و دقیق را در سطح ملی ارائه کنیم.