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检，更好地检测和诊断乳腺癌。
今天发表在《美国医学会网络开放》(JAMA Network Open)杂志上的一项研究描述了这个新系统，它帮助解释用于诊断乳腺癌的医学图像，而人眼很难对这些图像进行分类，而且它的准确度几乎与经验丰富的病理学家相当，甚至更好。
“从一开始就得到正确的诊断是至关重要的，这样我们才能引导患者接受最有效的治疗，”该研究的资深作者、加州大学洛杉矶分校大卫格芬医学院(David Geffen School of medicine at UCLA)的医学教授乔安娜埃尔莫尔(Joann Elmore)说。
2015年，由埃尔莫尔领导的一项研究发现，病理学家对乳腺活检的解释常常存在分歧。,早期的研究显示,诊断错误发生在大约每六个女性导管原位癌(一种非侵入性乳腺癌),而不正确的诊断有大约一半的乳房活检病例异型性(异常细胞与乳腺癌风险更高)。
“乳腺活检的医学图像包含了大量复杂的数据，对它们进行解释可能非常主观，”埃尔莫尔说，他也是加州大学洛杉矶分校琼森综合癌症中心的研究员。“区分乳腺异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，当医生在一年后看到同样的病例时，他们甚至不同意之前的诊断。”
科学家们推断，人工智能可以提供更准确的读数，因为通过从大量数据中提取数据，系统可以识别出与癌症相关但人类很难看到的样本中的模式。
研究小组将240张乳腺活检图像输入电脑，训练电脑识别与几种类型乳腺病变相关的模式，从良性(非癌性)和非典型性到导管原位癌(DCIS)和侵袭性乳腺癌。另外，每幅图像的正确诊断是由三位病理学专家的共识决定的。
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结果进行了比较。虽然人工智能程序在区分癌症和非癌症病例方面的表现接近于人类医生，但人工智能程序在区分DCIS和异型性方面的表现优于医生被认为是乳腺癌诊断的最大挑战。与医生相比，该系统能够正确地判断出扫描结果显示的是DCIS还是非典型性;它的敏感度在0.88到0.89之间，而病理学家的平均灵敏度为0.70。(敏感性得分越高，表明诊断和分类正确的可能性越大。)
“这些结果非常令人鼓舞，”爱尔摩说。“美国执业病理学家在诊断异型性和导管原位癌方面的准确性较低，而基于计算机的自动化方法显示出了巨大的潜力。”
研究人员现在正在训练这个系统来诊断黑色素瘤。
西雅图儿童医院的Ezgi Mercan是这项研究的第一作者。其他作者包括华盛顿大学的萨钦·梅塔和琳达·夏皮罗，南俄亥俄州病理学顾问贾曼·巴特利特和佛蒙特大学的唐纳德·韦弗。
这项研究得到了美国国立卫生研究院(National Institutes of Health)国家癌症研究所(National Cancer Institute)的支持。
新闻旨在传播有益信息，英文原版地址：http://newsroom.ucla.edu/releases/artificial-intelligence-breast-cancer-diagnosis