雷鋒網(wǎng)消息，近日，UPMC和匹茲堡大學(xué)研究人在《The Lancet Digital Health》上發(fā)表的一項(xiàng)研究表明，迄今為止，使用AI識別和表征前列腺癌的準(zhǔn)確性非常高。

UPMC的首席病理學(xué)家兼病理學(xué)副教授，皮特大學(xué)生物醫(yī)學(xué)信息學(xué)教授Rajiv Dhir博士說：“人類擅長識別異常，但是他們有自己的偏見或過去的經(jīng)驗(yàn)。機(jī)器學(xué)習(xí)則卻能夠最大程度上保持標(biāo)準(zhǔn)化與客觀性?！?/p>

為了訓(xùn)練人工智能識別前列腺癌，Dhir和他的同事們提供了從病人活檢中提取的100多萬份染色組織切片的圖像。每幅圖像都由病理學(xué)專家進(jìn)行標(biāo)記，以教人工智能如何區(qū)分健康和異常組織。

然后，該算法在一組單獨(dú)的1600張圖像上進(jìn)行了測試，這些圖像取自UPMC的100名疑似前列腺癌患者。

雷鋒網(wǎng)了解到，在測試過程中，AI在檢測前列腺癌方面顯示出98％的敏感性和97％的特異性。

值得注意的是，該算法也不僅僅停留在癌癥的檢測，更重要的是實(shí)現(xiàn)了對腫瘤分級、大小和周圍神經(jīng)的侵犯等判斷，這些都是病理報告所要求的臨床重要特征。

此外，AI還成功識別出了六張新片子，這些片子此前沒有被病理學(xué)專家注意到。

但是Dhir解釋說，這并不一定意味著該機(jī)器優(yōu)于人類。

例如，在評估這些病例的過程中，病理學(xué)家可以簡單地在該患者樣本中的其他地方看到足夠的惡性證據(jù)。但是，對于經(jīng)驗(yàn)不足的病理學(xué)家而言，該算法可以提供支持作用，以捕獲否則可能會丟失的病例。

Dhir說：“這樣的算法在非典型的損傷中特別有用。非專業(yè)人士可能無法做出正確的評估。這是這種系統(tǒng)的主要優(yōu)勢?！?span style="color: #FFFFFF;">雷鋒網(wǎng)

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。