一项研究表明，新的基于机器学习的筛查方法在检测乳腺癌早期迹象方面的有效性为98%。
由爱丁堡大学的研究人员开发的这种快速、非侵入性的技术将激光分析与机器学习相结合。他们说，这是同类研究中首次发现处于乳腺癌早期阶段的患者，并指出这可能为多种癌症的筛查测试铺平道路。
广告
这项技术可以检测到在疾病初期（即1a期）血液中发生的细微变化，而现有的检测方法无法检测到这一变化。
身体检查、x光或超声波扫描，或对乳腺组织样本进行分析，即活组织检查，是目前乳腺癌的标准检查方法。这些依赖于根据人们的年龄或他们是否在危险群体中进行筛查。
这项发表在《生物光子学杂志》上的初步研究涉及12个乳腺癌患者和12个健康对照者的样本。在这项研究中，研究小组优化了一种被称为拉曼光谱的激光分析技术，并将其与机器学习相结合。
该团队可以在1a期发现乳腺癌，成功率为98%。
它首先将激光束照射到取自患者的血浆中。利用光谱仪设备，研究小组分析了光与血液相互作用后的特性。光谱仪随后揭示了细胞和组织化学组成的微小变化——疾病的早期指标。
使用机器学习算法，医生可以解释结果。使用这种新方法，研究小组还可以区分四种主要的乳腺癌亚型，准确率超过90%。研究小组表示，这使患者能够接受更有效、更个性化的治疗。
