发表在《放射学》杂志上的一项新研究显示，被称为深度学习的复杂人工智能可以很好地区分以后可能患上乳腺癌的乳腺癌和不患乳腺癌的女性的乳房x光照片。研究人员表示，这些发现显示了人工智能作为放射线和医生助手的潜力，可以减少不必要的视频和相关费用。

一般来说，女性更好从40岁开始每年为乳腺癌检查做乳房x光检查。研究表明，乳房x光检查可以减少晚期癌症的发生率，从而降低乳腺癌的死亡率水平。乳房x光检查不仅有助于发现癌症，还提供了测量乳房密度以测定乳腺癌风险的标准。乳房x光检查中比较紧密的乳房与高癌症风险有关，但还有其他未知因素会导致癌症风险。

在一项新的研究中，研究人员用参与乳房x光检查的25，000多张女性数码筛选了乳房x光照片数据集。其中1600多名女性患上了检查中发现的乳腺癌，351名女性患上了间歇性入侵性乳腺癌。研究人员利用这组数据来训练深度学习模型，以便在乳房x光检查中找到与癌症风险增加相关的细节或信号。在测试基于深度学习的模型时，它不善于评估间隔期癌症危险因素，但在确定检查中发现的癌症危险方面，它优于临床检查，包括乳房密度。

结果人工智能获得的额外信号为通过检查发现的癌症提供了更好的风险估计，这有助于实现将女性分为乳腺癌的低风险或高风险目标。这些发现对临床实践有很大的影响。因为在临床实践中，只能指导乳房密度大的管理决定。与其建议明年再次进行检查，不如将乳房x光检查阴性的女性按风险分为三种：乳腺癌的低风险、检查发现的危险增加或未来3年侵入性癌症的危险上升。(威廉莎士比亚、乳腺癌、乳腺癌、乳腺癌、乳腺癌、乳腺癌、乳腺癌、乳腺癌)。