2014年确诊乳腺癌的经历彻底改变了Regina Barzilay博士的人生轨迹。这位麻省理工学院教授既没有家族BRCA基因突变史，也保持着健康生活方式，却遭遇突发性疾病。如今她带领团队开发的Mirai人工智能系统已能通过乳腺X光片预测五年内患癌概率，该工具2019年发布时即入选TIME 2025全球百大AI创新者榜单。
"如果当年有Mirai，我不仅会被标记为高风险人群，还能比现有诊断提前两年发现病灶。"Barzilay向MassLive记者展示2012-2013年未被发现的早期病灶影像。根据世界卫生组织数据，全球50%的乳腺癌患者除性别和年龄外并无其他已知风险因素，这正是她推动AI医疗应用的核心动力。
除Mirai外，Barzilay团队与麻省总医院合作开发的Sybil系统同样引发关注。该AI模型通过低剂量CT扫描预测6年肺癌风险，已在25家医院和11个国家完成验证。目前该工具正推进台湾食品药品监督管理局审批，因当地肺癌发病率居高不下。这项突破源自其亲属友人的惨痛经历——非吸烟者在50多岁确诊时已错过最佳治疗时机。
"医疗AI的信任危机需要专业验证来化解。"Barzilay强调，临床AI工具必须经过严格认证流程。以Mirai为例，其已在70家医院、22国完成200万例乳腺检查验证。她比喻道："就像我们信任血液检测的规范流程，医疗AI也应建立同等标准。"尽管如此，将预测结果转化为临床干预仍是最大挑战，"关键不是预测未来，而是改善未来。"
团队另一突破是2020年联合Jim Collins教授开发的AI抗生素发现系统，该系统筛查过1亿分子后成功识别首个人工智能发现的抗生素。Barzilay指出，医疗AI的核心价值在于量化不确定性——传统医学依赖医生经验判断，而AI能提供概率化预测，这种数据驱动的决策方式将重塑诊疗模式。
目前她正推进Mirai和Sybil的美国临床应用，但最大的障碍并非FDA审批，而是建立高风险患者的后续诊疗规范。面对医疗AI的信任困境，Barzilay认为公众需建立对标准化医疗技术的信任体系，"我们信任自动驾驶技术却抗拒医疗AI，这本身就很矛盾。"
【全文结束】
