基于乳房X線照影的新型機器學習算法可以更準確地估測女性患乳腺癌的風險
（神秘的地球uux.cn報道）據EurekAlert!：Adam Yala和同事的一項研究披露，一種基于乳房X線照影的乳房新型機器學習算法可以比目前的風險模型更準確地估測女性患乳腺癌的風險。該算法已用全球3家大型醫院的線型機習算腺癌險廣州花都（約炮）美女yp全套vx《192-1819-1410》提供外圍女上門服務快速選照片快速安排不收定金面到付款30分鐘可到達數據集進行了測試，它可幫助臨床醫生構思乳癌篩查指南，照影滿足早期發現需求，新的風并能同時減少假陽性、器學確地檢測成本以及其它與過度篩查有關的更準估測問題。
乳房造影是女性最常用的篩查乳癌方法，美國每年會進行超過3900萬次的患乳該類檢查。然而，基于廣州花都（約炮）美女yp全套vx《192-1819-1410》提供外圍女上門服務快速選照片快速安排不收定金面到付款30分鐘可到達對它們的乳房廣泛采用并非毫無異議。批評者說，線型機習算腺癌險該積極主動的照影篩查會導致難以為繼的醫療費用，增加患者的新的風焦慮感及產生可觀的假陽性率。另一方面，器學確地支持頻繁篩查者則認為，腫瘤須盡早發現；這種歧見導致了在何時應該開始篩檢及篩查頻度上前后矛盾的指南。
Yala等人推論，提高風險預測模型的準確性可裨助制定更好的指南。他們設計并訓練了一個名為Mirai的新模型，它能整合乳房照影數據，在多個時間點（例如1年或5年內）得到前后一致的乳癌風險評估。當對美國、瑞典和臺灣3家醫院的10萬6615名患者的數據進行獨立測試時，Mirai辨識出了41.5％的會在5年內罹癌的病人。
相比之下，當前的方法—如Tyrer-Cuzick模型和Hybrid Deep Learning模型僅能分別確定22.9％和36.1％的患者。Mirai也能在不同人種和族裔中進行有效估測，因此它對在廣大異質性人群中制定篩檢指南的潛力提供了支持。