麻省理工学院与马萨诸塞州总医院 (MGH) 合作创建了一种新的深度学习模型，该模型可以根据患者的乳房 X 线照片预测他们将来是否有可能患上乳腺癌。该模型使用来自 MGH 治疗的 60,000 多名患者的已知结果的乳房 X 光照片进行训练。使用该数据集，该模型学习了乳房组织中的细微模式，这些模式是恶性肿瘤的前兆。

麻省理工学院系统的目标是让医生可以在个人层面定制筛查和预防计划，并使晚期诊断成为过去。目前，癌症协会的建议是每年从 45 岁开始筛查。预防工作组建议从 50 岁开始每两年筛查一次。

麻省理工学院的团队希望消除一刀切的方法，并围绕患癌症的风险进行个性化筛查。该团队发现，其模型在预测癌症风险方面“明显”优于现有方法。它能够准确地将所有癌症患者的 31% 归入其最高风险类别，而传统模型仅为 18%。

研究人员训练了他们的深度学习模型，以直接从超过 90,000 份乳房 X 光照片的数据中推断出模式。该模型能够识别人眼无法检测到的过于微妙和复杂的模式。由于大多数早期检测模型是针对女性群体开发的，因此新模型对于少数群体也更加准确。

研究人员表示，这对非裔女性尤其重要，因为她们的死亡率比女性高 43%。新系统有朝一日可以让医生使用乳房 X 光照片来查看患者是否面临其他健康问题(如心血管疾病或其他癌症)的更大风险。