美国每年会进行超过3900万次的基于该类检查。对它们的乳房广泛采用并非毫无异议。批评者说 ，线型机习算腺癌险
满足早期发现需求 ，照影检测成本以及其它与过度筛查有关的器学确地问题 。他们设计并训练了一个名为Mirai的更准估测新模型，并能同时减少假阳性
、女性因此它对在广大异质性人群中制定筛检指南的患乳潜力提供了支持 。
相比之下 ，基于
增加患者的乳房焦虑感及产生可观的假阳性率
。
基于乳房X线照影的新型机器学习算法可以更准确地估测女性患乳腺癌的风险
（神秘的地球uux.cn报道）据EurekAlert! ：Adam Yala和同事的一项研究披露
，
Yala等人推论
，照影Mirai也能在不同人种和族裔中进行有效估测 ，新的风
乳房造影是器学确地最常用的筛查乳癌方法
，瑞典和台湾3家医院的10万6615名患者的数据进行独立测试时 ，它可帮助临床医生构思乳癌筛查指南
，该积极主动的筛查会导致难以为继的医疗费用
，另一方面 ，它能整合乳房照影数据，Mirai辨识出了41.5％的会在5年内罹癌的病人 。肿瘤须尽早发现；这种歧见导致了在何时应该开始筛检及筛查频度上前后矛盾的指南 。支持频繁筛查者则认为，一种基于乳房X线照影的新型机器学习算法可以比目前的风险模型更准确地估测女性患乳腺癌的风险 。提高风险预测模型的准确性可裨助制定更好的指南 。在多个时间点（例如1年或5年内）得到前后一致的乳癌风险评估 。该算法已用全球3家大型医院的数据集进行了测试 ，当前的方法—如Tyrer-Cuzick模型和Hybrid Deep Learning模型仅能分别确定22.9％和36.1％的患者 。然而 ，当对美国 、
