尽管遗传学和现代成像方面已有重大进展，但大多数乳腺癌患者的诊断仍然不尽如人意。对于部分患者来说，确诊时却为时已晚，及时诊断意味着能有及时的积极治疗，不确定的诊断则意味着更多的医疗费用。因此，识别患者一直是乳腺癌研究和有效早期发现治疗的重要步骤。因此，麻省理工学院计算机科学与人工智能实验室（CSAIL）和马萨诸塞州综合医院（MGH）的团队创建新的深度学习模型，可以从乳房 X 光检查中预测患者是否可能在未来五年患乳腺癌。通过对超过 60,000 名 MGH 患者的乳房 X 线照片和已知结果进行培训，该模型能学习到乳腺组织中作为恶性肿瘤前体的微妙模式。麻省理工学院的 Regina Barzilay 教授本人是乳腺癌幸存者，他表示希望这样的系统可以使医生在个人层面定制筛查和预防，从而避免晚期诊断。