杜克大学的研究人员测试了一种用于检测数据丰富的 3D 乳腺成像中肿瘤的新型深度学习算法，发现他们的模型在手头的任务中表现一般。

然而，在开发和发布该系统时，他们通过慷慨地展示他们的工作并免费提供它，成功地展示了相当大的“科学精神”。

该表彰来自加州大学洛杉矶分校的医学博士、公共卫生硕士 Joann Elmore 和华盛顿大学的医学博士 Christoph Lee。他们的言论于 8 月 16 日发表在JAMA 网络公开赛上，作为对同一天发表的一项研究的特邀评论。

在研究本身中，Mateusz Buda 硕士、Maciej Mazurowski 博士和杜克大学的同事描述了他们构建深度学习系统的工作，该系统包含来自 5,000 多名患者的 22,000 多个数字乳房断层合成 (DBT) 图像。该算法的灵敏度为 65%。

尽管如此，该团队实现了所有既定目标：

策划、注释和公开数字乳房断层合成 (DBT) 图像的大规模数据集，以促进用于乳腺癌筛查的人工智能算法的开发和评估，

开发用于乳腺癌检测和的基线深度学习模型

使用数据集测试模型作为未来研究的基线。

除了经过策划和注释的图像数据集，共享还包括代码、网络架构和训练模型权重。