人工智能可以更准确地诊断乳腺癌

发表在JAMA Network Open上的一项研究中，描述了这个新系统，它可帮助解读用于诊断乳腺癌的医学影像图片，这些影像图片难以用肉眼进行分类。系统解读的准确性几乎与有经验的病理学家相当，甚至更好。

“从一开始就得到正确的诊断是至关重要的，这样我们才能指导患者采取最有效的治疗，”该研究的资深作者、加州大学洛杉矶分校David Geffen医学院的教授Joann Elmore博士说。

 “乳房活检的医学图像包含大量复杂的数据，对它们的解释可能非常主观。” Elmore说，她也是加州大学洛杉矶分校，Jonsson综合癌症中心的一名研究人员。“区分乳腺异型性和原位导管癌在临床上很重要，但对病理学家来说这非常具有挑战性。有时，同一位医生在一年以后看到同样的案例，甚至会有不同的诊断。”

该小组将240张乳腺活检图像输入电脑，训练电脑识别从良性(非癌性)和非典型到原位导管癌（DCIS）,以及侵入性乳腺癌等几种乳腺病变相关的模式。在该实验中,每份影像图片,由三位病理学专家同时独立判断并且以三个人判断结果一致的诊断作为正确的诊断, 并作为标准来评价电脑判断系统.

为了测试该系统，研究人员将系统的诊断与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原位导管癌和异型性(被认为是乳腺癌诊断的最大挑战)方面的表现优于医生。与医生相比，该系统能更准确地判断扫描结果是原位导管癌还是异型性;其灵敏度介于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，诊断和分类越正确。)

“这些结果非常令人激动，”Elmore说。“美国执业病理学家在诊断异型性和原位导管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很大的潜力。”

研究人员现在正在训练这个系统来诊断黑色素瘤。