این پیشرفت مدیون بهبود کیفیت تصاویر پزشکی با افزایش داده‌ها است. الگوریتم‌های هوش مصنوعی اکنون قادر به افزایش تصاویر پزشکی و ایجاد واریاسیون‌های جدید از داده‌های موجود برای گسترش مجموعه آموزشی‌شان و افزایش دقت‌شان در تحلیل تصاویر هستند. این وضعیت به سیستم‌های هوش مصنوعی اجازه می‌دهد ناهنجاری‌های ظریف را در تصاویر پزشکی که ممکن است نشان‌دهنده وجود سرطان باشند، بهتر شناسایی کنند.
اینها نمونه‌هایی از بررسی‌هایی هستند که سودمندی مدل‌های هوش مصنوعی را تشخیص زودرس سرطان‌ها نشان داده‌اند:
پژوهشگران دانشگاه کالیفرنیا در سانفرانسیسکو یک مدل هوش مصنوعی را ایجاد کرده‌اند که می‌تواند سرطان ریه را بر اساس تصاویر سی‌تی‌اسکن با حساسیت ۹۷ درصد و اختصاصیت ۹۳ درصد تشخیص دهد. این مدل در یک بررسی در سال ۲۰۲۳ روی حدود ۲۰۰۰ بیمار، از متخصصان رادیولوژیست انسانی بهتر عمل کرد.
در بررسی دیگری که یافته‌های آن در سال ۲۰۲۳ ژورنال Radiology منتشر شد، نشان داده شد که الگوریتم مبتنی بر هوش مصنوعی می‌تواند سرطان پستان را بر اساس تصاویر ماموگرافی با حساسیت ۹۲ درصد و اختصاصیت ۸۸ درصد تشخیص دهد. این الگوریتم در این بررسی روی بیش از ۲۰۰۰ زن از متخصصان انسانی رادیولوژی بهتر عمل کرد.
در یک بررسی دیگر که در کنگره ۲۰۲۳ انجمن سرطان‌شناسی پزشکی اروپا (ESMO) ارائه شد، پژوهشگران دانشگاه پنسیلوانیا گفتند یک مدل هوش مصنوعی را ایجاد کرده‌انند که می‌تواند سرطان پروستات را بر اساس اسکن ام‌آرآی با حساسیت ۹۶ درصد و اختصاصیت ۸۴ درصد تشخیص دهد. این مدل در مطالعه روی بیش از ۵۰۰ مرد از رادیولوژیست‌های انسانی بهتر عمل کرد.
بالاخره یک بررسی دیگر که در سال ۲۰۲۳ در ژورنال Nature Medicine منتشر شد، نشان داد یک مدل هوش مصنوعی می‌تواند احتمال متاستاز یا انتشار سرطان را با دقت ۹۳ درصد پیش‌بینی کند. این مدل توانست به متخصصان سرطان کمک کند تا بیماران با خطر بالای انتشار عمومی سرطان را شناسایی و درمان مناسب در اختیارشان قرار دهند.
یک بررسی دیگر که یافته‌های آن در ژورنال Cancer Research منتشر شد، نشان داد که یک مدل هوش مصنوعی می‌تواند برنامه‌ریزی برای درمان سرطان لوزالمعده را با دقت ۹۵ درصد بهینه‌سازی کند. این مدل می‌تواند به متخصصان سرطان کمک کند تا درمان اثربخش‌تر و شخصی‌سازی‌شده‌ای را ارائه دهند.