محققان به روشی دست یافتند که با استفاده از الگوریتم‌های آموزش ماشین می‌توان سرطان سینه را با دقت و سرعت بالایی تشخیص داد؛ این روش قادر به شناسایی نوع تومور است.

سرطان سینه مهم‌ترین عامل مرگ ناشی از سرطان در زنان است. تشخیص این بیماری دشوار است و معمولاً از هر ۱۰ مورد، یک نفر به خاطر تشخیص اشتباه، زمان طلایی درمان را از دست می‌دهد.
بافت سرطانی سینه دو ویژگی مکانیکی دارد؛ یکی ناهمگونی است؛ به این معنی که مناطقی نرم و مناطقی سفت و سخت هستند و دیگری کشش غیر خطی است، به این معنی که بافت تومور در مقابل کشش مقاومت زیادی نشان می‌دهد. با استفاده از این ویژگی ها می‌توان یک مدل فیزیکی تعریف کرد که تمام بافت سینه را از نظر این تفاوت‌ها بررسی کند.
در واقع برای تشخیص سرطان سینه از نوعی سونوگرافی ارتجاع‌نگاری یا الاستوگرافی استفاده می‌شود تا ویژگی‌های مکانیکی بافت مورد بررسی قرار گیرد، محققان دانشگاه کالیفرنیا از این ویژگی برای آموزش ماشین استفاده کردند.
محققان هزاران اطلاعات دریافتی از این روش را برای طراحی الگوریتم مناسب در اختیار ماشین قرار دادند، سپس از ۱۲ هزار تصویر ساختگی برای الگوریتم‌های یادگیری استفاده شد تا تشخیص با دقت بیشتری توسط ماشین انجام شود.
با استفاده از این روش غیر تهاجمی می‌توان بیماری را با دقت و سرعت بالایی تشخیص داد و همچنین خوش‌خیم و بدخیم بودن تومور را نشان داد.
بر اساس آمار موسسه ملی سرطان آمریکا، در سال ۲۰۱۸ میلادی ۱۵.۳ درصد از کل آمار سرطان به سرطان سینه اختصاص یافت.
به رشد کنترل نشده سلول‌های پوشش داخلی مجرای شیری یا لوبول، سرطان سینه گفته می‌شود. هر سینه از ۱۵ تا ۲۰ بخش به نام لوب تشکیل شده که به صورت خوشه‌ای در کنار هم قرار دارند. لوب‌ها مجموعه‌ای از غدد شیری هستند. هر لوب از بخش‌های کوچکتری به نام لوبول تشکیل شده است. سرطانی که از لوبول آغاز شود، سرطان لوبولار نامیده می‌شود. هرچند سرطان سینه در زنان شایع‌تر است، اما احتمال ابتلای مردان نیز به سرطان سینه وجود دارد. تشخیص زودهنگام سرطان سینه مهم‌ترین عامل در درمان موثر این بیماری است.
نتایج این مطالعه در نشریه Computer Methods in Applied Mechanics and Engineering منتشر شده است.