人工智能可以产生更准确的乳腺癌诊断

加州大学洛杉矶分校的研究人员开发了一种人工智能系统，可以帮助病理学家更准确地阅读活组织检查，更好地检测和诊断乳腺癌。

新系统，在一项研究中发表的研究中描述《美国医学会杂志》网络开放,帮助解释医学图像用于诊断胸部癌症这可能难以进行分类，并且它几乎可以准确或更好地作为经验丰富的病理学家。

“得到一个正确诊断乔安·埃尔莫尔(Joann Elmore)博士说。埃尔莫尔是这项研究的资深作者，也是加州大学洛杉矶分校大卫·格芬医学院(David Geffen School of medicine at UCLA)的医学教授。

2015年，埃尔默领导的一项研究发现，病理学家经常对乳房活组织检查的解释存在分歧，每年有数百万女性接受这种检查。早期的研究表明，每六名女性中就有一人患有诊断错误导管癌原位（一种非侵入式乳腺癌），并且在大约一半的诊断中给出了不正确的诊断活检乳腺原型的病例（乳腺癌风险较高的异常细胞）。

“乳房活组织检查的医学图像包含了大量复杂的数据，解释它们可能非常主观，”加州大学洛杉矶分校琼森综合癌症中心的研究员埃尔莫尔说。“鉴别乳腺非典型性和导管原位癌在临床上很重要，但对病理学家来说非常具有挑战性。有时，当医生在一年后发现同样的病例时，他们甚至不同意他们之前的诊断。”

科学家推出，人工智能可以一致地提供更准确的读数，因为通过从大型数据集中绘制，可以识别与癌症相关的样本中的模式，但是人类难以看到。

将240个乳房活检图像喂入计算机，培训它以识别与几种类型的乳房病变相关的模式，从良性（非癌症）和原位对导管癌，或DCIS和侵袭性乳腺癌。另外，通过三位专家病理学家之间的共识确定了每个图像的正确诊断。

为了测试该系统，研究人员将其读数与87名美国执业病理学家的独立诊断数据进行了比较。而人工智能程序接近表演以及患有非癌症病例的癌症的人类医生，AI计划在区分Atypia的DCIS - 被认为是最大的挑战时表现优于医生乳腺癌诊断该系统比医生更能正确判断扫描结果是DCIS还是异型性;其敏感性为0.88 ~ 0.89，病理医师的平均敏感性为0.70。(敏感性评分越高，诊断和分类正确的可能性越大。)

“这些结果非常鼓舞人心，”Elmore说。“在美国执业病理学家中，当涉及到诊断原位的缺点和导管癌，计算机自动化方法呈现出色。“

研究人员目前正在训练该系统来诊断黑色素瘤。

---

---