[ad_1]
要点
- 检测癌症是机器学习的理想医疗用例。
- 可以筛查肝癌和乳腺癌患者的人工智能工具已经投入使用。
- 展望未来，研究人员正在开发新技术来帮助诊断前列腺癌亲属癌症和白血病。
检测危险的癌症是机器学习模型最有前途的医学应用之一。
早期的成功案例包括一系列人工智能驱动的工具，可以通过肝脏扫描或癌症识别来识别癌症。 乳房X光检查。但研究人员也在探索如何将类似的技术应用于前列腺、皮肤、血液和 胃癌。
为什么人工智能非常适合癌症检测
从根本上讲，神经网络根据从训练数据中学到的信息从输入生成预测。
例如，为现代聊天机器人提供支持的大型语言模型（LLM）已经在海量语言数据集上进行了训练。他们针对特定提示给出的输出可以被认为是根据他们之前对语言模式的了解，在统计上最有可能是正确的答案。
在检测癌症时，模型不是消耗大量的文本库，而是根据人们的扫描和测试结果以及审查这些结果的诊断医生的发现进行训练。
人工智能癌症筛查的基本逻辑是，经过模型训练的经过医生筛查的样本将能够发现数据中的模式。然后它可以使用这些模式来预测新患者是否表现出癌症迹象。
将AI筛查应用于不同类型的医疗数据
典型的人工智能癌症测试涉及 X 射线或其他医学扫描，其中可以通过视觉异常观察到癌性生长。
这种方法已被证明可以有效地从乳房X光检查中识别乳腺癌，最新的工具甚至能够标记出人类放射线技师错过的生长。
研究人员现在正致力于开发人工智能工具来帮助 识别皮肤癌 来自潜在黑色素瘤的图像。
但相同的基本概念也可以应用于其他不太直观的诊断方法。
研究人员开发新的人工智能白血病测试
例如，一组研究人员最近根据流式细胞术数据训练了一个人工智能模型，该模型用于诊断白血病。
传统的流式细胞术分析非常困难，需要通过计算密集型算法传递数据，以筛选数千个不同类型的血细胞中的各种癌症标记物。
在最近的 学习 ，根据流式细胞术结果训练的 AI 模型显示，检测两种最常见的白血病形式的成功率分别为 94.6% 和 98.2%。
这样的工具有望成为诊断工具包的一个有价值的补充，可以节省医生的时间，并有可能带来更普遍适用的血癌筛查技术。
这篇文章有帮助吗？
