人工智能，通常被称为AI，进入乳腺X光摄影领域，旨在提高对乳腺组织恶性肿瘤的解释能力，提前检测乳腺癌，并减少癌症存在与否的假阳性或假阴性率。这有许多好处，包括降低癌症患者和幸存者的压力水平、不必要的活检和经济负担，当传统乳腺X光摄影结果不规则时尤其如此。
那么它是如何工作的呢？基于编程到计算机中的数据，AI算法创建了一个标准来确定恶性程度和风险评分，这些评分将直接影响患者接受的护理水平。美国食品药品监督管理局认为，这些信息将帮助研究人员了解患者特征（如年龄、种族、乳腺密度、恶性程度和风险）之间的关系，最终目标是降低乳腺癌的发生率。这是一个值得追求的目标，但专家们发现了一个主要问题：AI筛查在白人和亚洲女性中的成功与在黑人女性中的令人失望的结果形成了鲜明对比。
麻省理工学院电气工程和计算机科学教授Regina Barzilay博士专门研究AI与健康领域的交叉点。虽然她没有参与杜克大学的研究，但Barzilay博士告诉SheKnows，如果某些种族或人口群体在算法开发所用的训练数据中代表性不足，AI工具可能会表现不佳。
杜克医疗团队并不是唯一一个在研究中显示出这种偏见的团队。其他研究主要集中在欧洲女性身上，大多数临床试验都在美国以外进行，进一步抹去了报告中黑人女性的独特标志。“一个需要解决的大问题是拥有代表多样化患者群体的大量乳腺X光片数据集，”Barzilay博士指出，“另一个重要方面是在不同的种族群体中测试这些模型，以确保它们没有偏见。”
问题是，FDA不要求数据多样性，继续依赖于种族偏见的风险评估工具，如Tyrer-Cuzick或Gail模型，这些工具在制定指南时没有考虑癌症家族史或种族和民族差异，这影响了这些AI筛查的效果。根据Breastcancer.org，技术人员通过将数百万张图像输入计算机来训练AI，使AI软件能够将信息转换成正常乳腺X光片和有癌症的乳腺X光片的数学表示。从这些信息中，AI创建了一个基线，成为正常乳腺组织的标准。但如果这个基线是基于偏向某个特定人口群体的数据集，这意味着当前的AI筛查实践可能不是该人口群体之外的人的最佳选择；在这种情况下，是非白人和老年女性。
杜克大学的研究揭示了我们仍需克服的AI乳腺癌筛查的局限性。对于因一级亲属（父母、子女或堂表亲）家族史或BRCA基因存在而遗传易患乳腺癌的黑人女性，或即使是低风险候选人希望预防疾病的女性，这一消息令人沮丧。只要正常乳腺组织的标准排除了种族、健康和寿命等患者特征，黑人女性的前景就依然黯淡。
黑人女性在医疗保健方面的不平等现象并非新鲜事，医学专业人士致力于理解为什么这一人群更容易患上晚期乳腺癌和其他癌症。莫尔豪斯医学院的Melissa Davis博士就是其中之一，她通过SAMBAI（社会、祖先、分子和生物分析不平等）项目应对此挑战。在Cancer Grand Challenges提供的2500万美元资助下，Davis博士的团队致力于创建一个来自多个非洲国家以及英国和美国近期非洲血统的40,000人的数据库，以确保更准确的数据收集。毕竟，AI算法的质量仅取决于其获得的信息。
另一种改善黑人女性AI筛查的方法是由Barzilay博士和UCSF及UC Berkeley的计算精确健康、统计学和计算机科学助理教授Adam Yala博士开发的MIRAI。据Barzilay博士介绍，“MIRAI解决了不同的任务：我们的目标是预测未来的疾病风险。这很重要，因为它使高风险女性能够获得额外的筛查和预防资源。”这对黑人女性尤其相关，因为研究表明，她们平均比白人女性更年轻时被诊断出乳腺癌。“同时，我们不想过度筛查她们，”Barzilay博士补充道，“一种可能的情景是在较年轻的年龄首先筛查她们，以识别真正高风险的一小部分女性，这些女性需要不同的筛查方式。”
根据Breastcancer.org，目前只有9%的美国放射科医生定期使用AI进行乳腺成像。还需要注意的是，这项技术不会取代人类临床医生。相反，它将帮助减少和管理放射科医生的工作量，通过更准确的筛查改善乳腺癌患者的治疗效果。毫无疑问，AI乳腺成像可能是一种挽救生命的筛查工具——但这只有在所有女性都包含在其算法中时才会发生。
(全文结束)
