洛杉矶 - 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读取活检组织，更好地检测和诊断乳腺癌。

在JAMA网络公开赛上发表的一项研究中描述的新系统有助于解释用于诊断乳腺癌的医学图像，这些图像对于人眼难以分类，并且它几乎与经验丰富的病理学家一样准确或更好。

“从一开始就获得正确的诊断至关重要，这样我们才能引导患者进行最有效的治疗，”该研究的资深作者，加州大学洛杉矶分校David Geffen医学院的医学教授Joann Elmore博士说。

由Elmore领导的2015年一项研究发现，病理学家经常不同意乳房活检的解释，每年对数百万妇女进行乳房活检。早期的研究表明，每六名患有原位导管癌的妇女(一种非侵袭性乳腺癌)中约有一名出现诊断错误，并且大约一半的乳腺异型性活检病例(异常细胞)给出了不正确的诊断。这与乳腺癌的高风险有关)。

“乳房活组织检查的医学图像包含大量复杂的数据，解释它们可能非常主观，”Elmore说，他也是加州大学洛杉矶分校Jonsson综合癌症中心的研究员。“区分乳腺异型性与原位导管癌在临床上是重要的，但对于病理学家来说非常具有挑战性。有时，医生甚至不同意他们之前的诊断，因为他们在一年后就会出现同样的病例。”

科学家推断，人工智能可以提供更准确的读数，因为通过从大型数据集中提取，系统可以识别样本中与癌症相关但人类很难看到的模式。

该团队将240张乳房活检图像送入计算机，对其进行训练以识别与几种类型的乳腺病变相关的模式，从良性(非癌)和异型性到原位导管癌，或DCIS和浸润性乳腺癌。另外，通过三位专家病理学家的共识确定每张图像的正确诊断。

为了测试该系统，研究人员将其读数与87名美国病理学家的独立诊断进行了比较。虽然人工智能程序与人类医生在区分癌症和非癌症病例方面表现接近，但人工智能程序在区分DCIS与异型性时表现优于医生 - 被认为是乳腺癌诊断的最大挑战。系统正确地确定扫描是否比医生更频繁地显示DCIS或非典型;它的灵敏度在0.88和0.89之间，而病理学家的平均灵敏度为0.70。(灵敏度得分越高表明诊断和分类的可能性越大。)

“这些结果非常令人鼓舞，”埃尔莫尔说。“美国的实践病理学家在原位诊断异型性和导管癌方面的准确性很低，基于计算机的自动化方法显示出巨大的希望。”