由Elmore領(lǐng)導(dǎo)的2015年的一項(xiàng)研究發(fā)現(xiàn)，病理學(xué)家對(duì)乳腺活檢的解釋常常存在分歧。

“乳腺活檢的醫(yī)學(xué)圖像包含大量復(fù)雜的數(shù)據(jù)，解釋它們可能是非常主觀的，”Elmore說(shuō)。區(qū)分乳腺非典型性與導(dǎo)管原位癌在臨床上是很重要的，但對(duì)病理學(xué)家來(lái)說(shuō)是很有挑戰(zhàn)性的。有時(shí)，醫(yī)生在一年后診斷同一個(gè)病例時(shí)，甚至不同意他們先前的診斷。

而這種人工智能新系統(tǒng)可以幫助解釋用于診斷乳腺癌的醫(yī)學(xué)圖像，它與經(jīng)驗(yàn)豐富的病理學(xué)家做得幾乎一樣準(zhǔn)確甚至更好。

研究小組將240張乳腺活檢圖像輸入電腦，訓(xùn)練它識(shí)別與多種乳腺病變相關(guān)的模式，從良性(非癌變)、非典型性到導(dǎo)管原位癌，再到浸潤(rùn)性乳腺癌。

為了測(cè)試該系統(tǒng)，研究人員將其讀數(shù)與由87名美國(guó)執(zhí)業(yè)病理學(xué)家進(jìn)行的獨(dú)立診斷進(jìn)行了比較。

雖然人工智能項(xiàng)目在區(qū)分癌癥和非癌癥病例方面接近于人類醫(yī)生的表現(xiàn)，但人工智能程序在區(qū)分DCIS和非典型性方面的表現(xiàn)優(yōu)于醫(yī)生，后者被認(rèn)為是乳腺癌診斷中的最大挑戰(zhàn)。

“這個(gè)結(jié)果非常令人鼓舞，”Elmore說(shuō)。美國(guó)執(zhí)業(yè)病理學(xué)家在診斷非典型性和導(dǎo)管原位癌方面的準(zhǔn)確率很低，基于計(jì)算機(jī)的自動(dòng)化方法顯示出了很大的前景。