麻省理工學院的CSAIL部門在電腦工程和人工智慧開發方面進行了令人印象深刻的研究。他們開發的「PRISM」神經網路結合了兩種機器學習演算法，可以以比目前診斷標準更高的檢測胰腺導管腺癌（PDAC），這是最常見的胰腺癌形式。

傳統的PDAC篩檢標準僅能在由專業人員檢查的患者中檢測到約10％的病例，而PRISM可以檢測到35％的PDAC病例。PRISM的獨特之處在於其基於對各種真實電子健康記錄的存取而開發，涵蓋了超過500萬名患者的數據。相較於其他PDAC模型僅限於特定地理區域（如美國某些醫療中心），PRISM使用了更多樣性的美國人口數據，包括常規臨床和實驗室數據，這是一個重大的進步。

PRISM計畫始於六年多前，旨在開發能夠早期檢測PDAC的演算法。這是因為大多數PDAC病例在癌症發展的後期階段才被診斷出來，導致診斷過晚的情況佔了約80％。

PRISM的工作原理是分析患者的人口統計、先前的診斷、護理計劃、藥物和實驗室結果等數據，通過分析電子健康記錄和患者的風險因素來預測癌症的可能性。目前，該技術僅在麻省理工學院的實驗室和美國選定的患者中使用。要擴展PRISM的應用，需要提供更多樣化的資料集，甚至可能是全球健康檔案，以提高其可訪問性。

麻省理工學院並非第一次嘗試開發用於預測癌症風險的人工智慧模型。他們先前開發了一種使用乳房X光檢查記錄來預測乳癌風險的模型。該研究證實，資料集的多樣性能夠提高人工智慧在診斷不同族群和種族的癌症方面的效果。持續發展能夠預測癌症機率的人工智慧模型不僅可以改善早期發現惡性腫瘤的機會，還可以減輕醫療專業人員的工作負擔。診斷領域的人工智慧應用已經引起了大型科技公司（如IBM）的興趣，這些公司正試圖開發可以提前一年檢測乳癌的人工智慧程式。

文字：編輯部