健康教育网
前列腺穿刺活检有癌症的可能性（蓝色为低，红色为高）。该病例最初被诊断为良性，但经进一步检查后变为癌症。在这种棘手的情况下，人工智能可以准确地检测出癌症。
UPMC和匹兹堡大学研究人员今天（2020年7月27日）发表的一项研究证明，迄今为止使用人工智能（AI）程序识别和表征前列腺癌的准确性最高。
UPMC Shadyside首席病理学家兼病理学副主席，皮特大学生物医学信息学教授，资深作者Rajiv Dhir，医学博士，医学硕士说：“人类擅长识别异常，但是他们有自己的偏见或过去的经验。”“机器与整个故事脱节。肯定有标准化护理的元素。”
为了训练AI识别前列腺癌，Dhir和他的同事提供了从病人活检组织中超过一百万个染色的组织切片的图像。每幅图像均由专业病理学家标记，以教AI如何区分健康组织和异常组织。然后对该算法进行了测试，该算法是从UPMC的100例连续患者中分离出的1,600张载玻片上进行测试的，这些载玻片是可疑的前列腺癌。
在测试过程中，AI在检测前列腺癌方面显示出98％的灵敏度和97％的特异性，远高于先前报道的从组织玻片上运行的算法。
而且，这是第一个扩展到癌症检测之外的算法，报告了对肿瘤分级，大小确定和周围神经入侵的高性能。这些都是病理报告所要求的临床上重要的特征。
AI还标记了六张幻灯片，这些幻灯片没有被专家病理学家注意到。
但是Dhir解释说，这并不一定意味着该机器优于人类。例如，在评估这些病例的过程中，病理学家本可以简单地在该患者样本中的其他地方看到足够的恶性证据，以建议治疗。但是，对于经验不足的病理学家而言，该算法可以充当故障保护功能，以捕获否则可能会丢失的病例。
Dhir说：“这样的算法在非典型病变中特别有用。”“非专业人士可能无法做出正确的评估。这是这种系统的主要优势。”
尽管这些结果令人鼓舞，但Dhir告诫说，必须训练新算法以检测不同类型的癌症。病理标记并非在所有组织类型中都通用。但是他不明白为什么不能使这种技术适应例如乳腺癌。
###
参考：医学博士Liron Pantanowitz，“在核心穿刺活检的整个幻灯片图像中用于前列腺癌诊断的人工智能算法：一项盲目的临床验证和部署研究”；加布里埃拉（Gabriela M） Lilach Bien;罗恩·希勒（Ronen Heled）；达芙娜·莱芬菲尔德（Daphna Laifenfeld）博士； Chaim Linhart博士；医学博士朱迪思·桑德班克（Judith Sandbank）；医学博士Anat Albrecht Shach；医学博士Varda Shalev; Manuela Vecsler博士； Pamela Michelow，MBBCh；柳叶刀数字健康杂志2020年8月，Scott Hazelhurst博士和医学博士Rajiv Dhir。
10.1016 / S2589-7500（20）30159-X
这项研究的其他作者包括密歇根大学的M.B.B.Ch.的Liron Pantanowitz； UPMC的医学博士Gabriela Quiroga-Garza； Libech Bien，Ronen Heled，Daphna Laifenfeld博士，Chaim Linhart，Judith Sandbank博士，Ibex Medical Analytics的Manuela Vecsler；沙米尔医学中心的医学博士Anat Albrecht-Shach; Maccabbi Healthcare Services的医学博士，医学博士Varda Shalev;以及威特沃特斯兰德大学的Pamela Michelow和医学博士Scott Hazelhurst。
Ibex为这项研究提供了资金，Ibex也创造了这种可商购的算法。Pantanowitz，Shalev和Albrecht-Shach汇报了由Ibex支付的费用，而Pantanowitz和Shalev则担任医疗咨询委员会的职务。Bien和Linhart是未决专利US 62 / 743,559和US 62 / 981,925的作者。Ibex对研究的设计或结果的解释没有影响。
