麻省理工学院的专家开发了可以早期检测胰腺癌的

研究人员在麻省理工学院 CSAIL 部门，专注于计算机工程和人工智能开发，建立了两种机器学习算法，可以以比当前诊断标准更高的阈值检测胰腺癌。这两个模型一起形成了“PRISM”神经网络。它旨在专门检测胰腺导管腺癌 (PDAC)，这是最常见的胰腺癌形式。

目前的标准 PDAC 筛查标准可以发现由专业人员检查的患者中约 10% 的病例。相比之下，麻省理工学院的 PRISM 能够识别出 PDAC 病例的率为 35%。

使用时诊断领域的人工智能并不是一项全新的壮举，麻省理工学院的 PRISM 因其开发方式而脱颖而出。该神经网络的编程基于对各地卫生机构的各种真实电子健康记录的访问。它接收了超过 500 万患者电子健康记录的数据，该团队的研究人员表示，这些数据“超出了”该特定研究领域的的信息输入范围。“该模型使用常规临床和实验室数据来进行预测，与其他 PDAC 模型相比，人口的多样性是一个重大进步，其他 PDAC 模型通常仅限于特定的地理区域，例如的一些医疗中心，”Kai Jia麻省理工学院CSAIL博士论文的资深作者表示。

麻省理工学院的 PRISM 项目始于六年多前。开发一种可以早期检测 PDAC 的算法背后的动机与大多数患者在癌症发展的后期阶段被诊断出的事实有很大关系，特别是大约 80% 的患者诊断得太晚。

人工智能的工作原理是分析患者人口统计数据、之前的诊断、护理计划中当前和之前的药物以及实验室结果。总的来说，该模型通过分析电子健康记录数据以及患者的年龄和生活方式中明显的某些风险因素等因素来预测癌症的可能性。尽管如此，PRISM 仍然只能以 AI 到达大众的速度帮助诊断尽可能多的患者。目前，该技术势必麻省理工学院实验室并选择的患者。扩展人工智能的后勤挑战将涉及为算法提供更多样化的数据集，甚至可能是全球健康档案，以提高可访问性。

尽管如此，这并不是麻省理工学院第一次尝试开发可以预测癌症风险的。它特别开发了一种训练模型的方法来预测患乳腺癌的风险使用乳房X光检查记录的女性。在这方面的研究中，麻省理工学院的专家证实，数据集越多样化，人工智能诊断癌症的能力就越好跨越不同种族和人口。持续开发能够预测癌症概率的，不仅可以在早期发现恶性肿瘤的情况下改善患者的治疗结果，还可以减轻患者的工作量。过度劳累的医疗专业人员。诊断领域人工智能市场变革的时机已经成熟，以至于引起了大型科技商业公司的兴趣像 IBM 这样的公司，它试图创建一个可以提前一年检测乳腺癌的人工智能程序。