第一个有记录的胰腺癌病例可以追溯到 18 世纪。从那时起，研究人员进行了一场旷日持久且充满挑战的旅程，以了解这种难以捉摸且致命的疾病。迄今为止，没有比早期干预更好的癌症治疗方法了。不幸的是，位于腹部深处的胰腺在早期检测方面尤其难以捉摸。

麻省理工学院计算机科学和人工智能实验室 (CSAIL) 的科学家与贝斯以色列女执事医疗中心 (BIDMC) 放射肿瘤科的科学家 Limor Appelbaum 渴望更好地识别潜在的高风险患者。他们着手开发两种机器学习模型用于早期检测胰腺导管腺癌(PDAC)，这是最常见的癌症形式。

为了访问广泛且多样化的数据库，该团队使用来自美国各地机构的电子健康记录数据与一家联合网络公司进行同步。庞大的数据池有助于确保模型的可靠性和普遍性，使其适用于广泛的人群、地理位置和人口群体。

两种模型——PRISM神经网络和逻辑回归模型(一种概率统计技术)的性能优于当前的方法。该团队的比较表明，虽然标准筛查标准使用五倍高的相对风险阈值可识别出约 10% 的 PDAC 病例，但 PRISM 可以在相同阈值下检测出 35% 的 PDAC 病例。

使用人工智能检测癌症风险并不是什么新现象——算法可以分析乳房 X 光检查、肺癌 CT 扫描，并协助分析子宫颈抹片检查和 HPV 检测等应用。