美國研究人員開發(fā)出一種人工智能（AI）系統(tǒng)，可以幫助醫(yī)生更準確地讀取活檢組織數(shù)據(jù)，更好地診斷乳腺癌。他們在近日的美國醫(yī)學協(xié)會期刊JAMA Network Open上發(fā)表研究論文稱，這一系統(tǒng)對某些類型乳腺病變的診斷準確率甚至比經(jīng)驗豐富的醫(yī)生還要高。對乳腺癌診斷來說，活體組織檢查是一個不可或缺的重要手段。但通過活檢形成的醫(yī)學圖像包含著大量復雜的數(shù)據(jù)，醫(yī)生在理解這些數(shù)據(jù)時不可避免地會帶有一定的主觀性，從而造成診斷上的偏差。

有研究表明，在美國，每6個導管原位癌（一種非浸潤性乳腺癌）病例中，就會出現(xiàn)一次診斷錯誤，而對乳腺異型性的診斷出錯率則更高。此次，華盛頓大學、佛蒙特大學等機構研究人員合作開發(fā)的AI系統(tǒng)，未來或可在一定程度上緩解醫(yī)生的壓力。研究團隊利用240例乳腺病例活檢的圖像，對新開發(fā)的AI系統(tǒng)進行訓練，以提高其識別良性、異型性、原位導管癌、浸潤性乳腺癌等乳腺病變模式的能力。隨后，研究團隊通過該系統(tǒng)對60個乳腺活檢標本進行了分析，并將診斷結果與87名美國執(zhí)業(yè)醫(yī)生的獨立診斷結果進行了比較。

結果顯示，人工智能程序在區(qū)分癌癥和非癌癥病例方面的表現(xiàn)略遜于人類醫(yī)生，但在區(qū)分乳腺異型性與原位導管癌方面的表現(xiàn)則要優(yōu)于人類醫(yī)生。在相關類型病變的診斷上，AI系統(tǒng)的靈敏度介于0.88至0.89之間，而人類醫(yī)生的平均靈敏度僅有0.70。敏感性得分越高，表明診斷和分類正確的可能性越大。

研究人員表示，長期以來，美國醫(yī)生在乳腺異型性和原位導管癌的診斷上一直表現(xiàn)不佳，準確率很低，這也成為美國醫(yī)生在乳腺癌診斷上面臨的一個最大挑戰(zhàn)。而他們的研究結果表明，基于機器學習的人工智能系統(tǒng)在此方面具有巨大潛力，可以作為輔助系統(tǒng)，幫助醫(yī)生作出更加準確的診斷。