人工智能算法识别前列腺癌精准度高达98%_前列腺癌

2020年7月27日，匹兹堡大学医学中心（UPMC）和匹兹堡大学的研究人员在《柳叶刀数字健康》（The Lancet Digital Health）上发表了一项新研究，该研究表明，迄今为止，使用人工智能（AI）程序识别和表征前列腺癌是准确性较高的。

UPMC Shadyside的病理学家和病理学副主席、匹兹堡大学的生物医学信息学教授、该研究的资深作者Rajiv Dhir表示，人类善于识别异常，但他们有自己的偏见或过去的经验。机器不是这样的。机器有一个标准化护理的要素。
为了训练人工智能识别前列腺癌，Dhir和他的同事们提供了从病人活检中提取的100多万份染色组织切片的图像。每幅图像都由专家病理学家进行标记，以教人工智能如何区分健康和异常组织。然后，该算法在一组单独的1600张幻灯片上进行了测试，这些幻灯片取自UPMC的100名疑似前列腺癌患者。
在检测过程中，人工智能在检测前列腺癌方面显示出98%的敏感性和97%的特异性，这显著高于之前报道的使用组织切片的算法。
此外，这是一个超越癌症检测的算法，报告了对肿瘤分级、大小和周围神经的侵犯的高性能。这些都是重要的临床特征，需要作为病理报告的一部分。AI还标记了六张病理学专家没有注意到的幻灯片。

Galen前列腺第二阅读系统的算法和临床部署概述

但Dhir解释说，这并不一定意味着机器优于人类。例如，在评估这些病例的过程中，病理学家可以简单地从病人的其他样本中看到足够的恶性证据来推荐治疗。不过，对于经验不足的病理学家来说，该算法可以作为一种故障保险，来捕捉可能被遗漏的病例。

在该论文中，研究人员报告了一种用于评估数字化前列腺CNB切片、基于医疗级人工智能的算法的发展，以及该人工智能工具在常规临床实践中的成功应用。基于一个大的，盲的，外部验证数据集，研究人员展示了该算法的高精度，以识别和量化前列腺癌，区分低级别和高级别的肿瘤，并检测神经周围浸润。
这是一个基于人工智能的算法的报告，它超越了前列腺癌在组织病理学图像中的癌症检测和分级，也是临床上首次在常规病理学实践中使用人工智能算法的实例之一。
总之，匹兹堡大学医学中心的研究人员报告了基于人工智能的算法的发展、外部临床验证和常规实践中的部署，该算法用于检测、分级和评估数字化前列腺CNBs的其他临床相关肿瘤特征。这些数据表明，这种基于人工智能的算法可以作为一种工具，用于自动筛查前列腺CNBs的初级诊断，评估登记的病例以达到质量控制的目的，以及标准化报告以改进患者管理。在其他实验室和相关临床效用的研究报告目前也正在进行中。