麻省理工推出两款名为“PRISM”的AI模型 可更早检测出胰腺癌

　　麻省理工学院 (MIT) 宣布推出两款名为“PRISM”的人工智能模型，旨在比传统方法更早地检测胰腺癌。

　　胰腺癌是一种凶险的疾病，传统诊断方法早期检出率仅为10% 左右，大大延误了治疗时机。而 PRISM 系统则显著提高了这一比率。

　　标准筛查标准只能筛查出约10% 的胰腺导管腺癌 (PDAC) 病例，且相对风险阈值需要提高五倍才能实现。PRISM 模型则能在相同的阈值下识别出35% 的 PDAC 病例。早期发现胰腺癌至关重要，因为及时治疗可以挽救生命。

　　研究人员开发了两个模型:PRISM 神经网络和逻辑回归模型。这两个模型都分析电子病历，包括患者人口统计、诊断、药物和实验室结果，以评估 PDAC 风险。

　　PRISM 模型使用神经网络识别这些数据点中的复杂模式，并计算一个评估 PDAC 可能性风险分数。逻辑回归模型则使用更简单的分析方法，根据这些特征生成一个 PDAC 概率分数。

　　总而言之，PRISM 在超过500万份患者病历数据上进行了训练。这个庞大的数据集使算法能够识别人类医生可能错过的模式。

　　MIT 在开发用于癌症诊断的 AI 模型方面拥有丰富经验，例如预测乳腺癌风险。这些项目表明，数据集的多样性越大，诊断的准确性就越高。

　　PRISM 项目始于六年前，目标是改善胰腺癌的检测，目前80% 的胰腺癌患者诊断时已处于晚期。

　　尽管 PRISM 模型前景光明，仍需进一步发展。目前，该模型仅基于美国数据，还需要进行测试和调整才能在全球范围内使用。

　　未来，研究团队计划将模型应用范围扩展到国际数据集，并整合更多生物标志物进行更精细的风险评估。研究人员还希望促进模型在常规医疗保健中的实施。

　　他们的愿景是让模型无缝融入医疗保健系统后台，自动分析患者数据，并在高危病例中提醒医生，同时不会增加他们的工作负担。

　　正如研究人员所写:“尽管 PRISM 模型前景 promising，但正如所有研究一样，仍有一些部分仍在 progress 中。”