英國《自然·醫(yī)學》雜志16日發(fā)表一項最新研究，美國研究人員建立深度學習模型，開發(fā)出一種可以分辨健康組織和癌組織的人工智能(AI)系統(tǒng)。該系統(tǒng)無需人類病理學專家去標注，可以加速癌癥的診斷。
一直以來，由于需要大量手動標注數(shù)據(jù)集，阻礙了病理學相關(guān)系統(tǒng)的開發(fā)及其在臨床實踐中的應(yīng)用。于是，醫(yī)學界人士和工程師們希望能利用人工智能改善這一狀況。
為實現(xiàn)這一目標，美國紀念斯隆凱特琳癌癥中心科學家領(lǐng)導(dǎo)的研究團隊，此次構(gòu)建了一個大規(guī)模數(shù)據(jù)集——包括來自逾1.5萬名前列腺癌、皮膚癌、乳腺癌患者的逾4.4萬例組織切片，并建立無需病理學家人工標注，就能識別腫瘤細胞的深度學習模型。
這種深度學習算法能幫病理學家排除最多75%的無用信息組織樣本，同時確保100%的敏感性。研究人員表示，該系統(tǒng)能夠以前所未有的規(guī)模訓練準確的分類模型，為臨床實踐中計算決策支持系統(tǒng)的部署奠定了基礎(chǔ)。與此同時，其未來也將會用于輔助癌癥中心的病理診斷，提高常規(guī)臨床實踐的效率。
近年來，人工智能在癌癥診斷領(lǐng)域取得了越來越多的突破，譬如圣地亞哥海軍醫(yī)學中心和谷歌AI的研究人員開發(fā)出的系統(tǒng)，就可以利用癌癥檢測算法來自主評估淋巴結(jié)活檢，從而對轉(zhuǎn)移性乳腺癌患者的診斷和治療進行更好的決策;而紐約大學醫(yī)學院研究團隊開發(fā)的機器學習程序，不僅能夠以97%的準確率確定患者的肺癌類型，還可以識別導(dǎo)致異常細胞生長的變異基因。
