人工智能有助于提高乳腺癌确诊率

        人工智能（AI）系统是“基于深度学习、用于各种应用包括语音识别和图像识别的一种机器学习算法，”哈佛大学医学院病理学副教授Andrew Beck这样解释，他负责美国马萨诸塞州波士顿市贝斯以色列女执事医疗中心（BIDMC）新系统的开发。 
        Beck教授及其同事在四月布拉格举行的国际生物医学成像研讨会（ISBI 2016）年会竞赛中展示了新的人工智能（AI）系统。 
        他和他的同事们正在开发一种人工智能（AI）方法，训练计算机能够解释病理图像以提高诊断的准确性。
他们使用的方法是教会计算机通过“建立多层人工神经网络”解释这些图像中所看到的复杂内容，Beck教授说。 这个过程被认为是类似于发生在大脑新皮层神经元层的学习方法，该部位是产生思维的区域。 
        在ISBI 2016会议上，该研究小组对新型AI系统进行了测试。通过它检查淋巴结图像来决定是否能够显示出患有乳腺癌的证据。 
        “真正智能” 
        研究团队开始用数百张培训幻灯片来训练AI系统。这些幻灯片都已经被病理学家们做好标记，显示出癌细胞与正常细胞之间的差异。 
        然后，他们提取了数以百万计的培训样本并用深度学习建立一种分类模型。包括识别AI系统每一次出错，然后用越来越多的疑难样本重新训练它。 
        在年会上进行测试的结果表明，AI系统自动对癌症做出正确诊断率为92%，只比病理学家诊断准确率96%低了4个百分点。 
        “但真正令人感到兴奋的事情是，当我们将病理学家的诊断结果与我们自动计算的诊断方法相结合之后，诊断的准确率提高到99.5%，”Beck教授。“这两种方法相结合，使得误诊漏诊的几率大大减少。” 
        Beck教授解释说，这几十年来，病理学家们一直致力于使用数字化影像和机器学习来提高和加快诊断，但一直到近，只有当扫描、存储、处理和算法都得到提高之后，才使得它有可能取得重大进展。 
        他说，ISBI就竞赛结果表明，AI系统正在做的是“真正智能”，而且，当你把它和人类的能力相结合，将会使得诊断更为精确且更具临床价值。 
        竞赛的组织者之一，荷兰Radboud大学医学中心数字化病理研究小组的负责人Jeroen van der Laak博士说道，该结果已经清楚地表明，AI正在勾勒出未来病理学家使用图像的方式。 
        “通过患者淋巴结识别出是否发生转移癌是病理学家的一项常规而重要的任务。使用常规方法在显微镜下进行观察，通过筛选数以百万计的正常细胞以确定极少数的恶性细胞，被证明是非常费力的。我们认为这个任务交给计算机，可以完成得相当不错，而事实证明的确是这样的。”Andrew Beck教授如是说。