一直以來，由于需要大量手動(dòng)標(biāo)注數(shù)據(jù)集，阻礙了病理學(xué)相關(guān)系統(tǒng)的開發(fā)及其在臨床實(shí)踐中的應(yīng)用。于是，醫(yī)學(xué)界人士和工程師們希望能利用人工智能改善這一狀況。

為實(shí)現(xiàn)這一目標(biāo)，美國紀(jì)念斯隆凱特琳癌癥中心科學(xué)家領(lǐng)導(dǎo)的研究團(tuán)隊(duì)，此次構(gòu)建了一個(gè)大規(guī)模數(shù)據(jù)集——包括來自逾1.5萬名前列腺癌、皮膚癌、乳腺癌患者的逾4.4萬例組織切片，并建立無需病理學(xué)家人工標(biāo)注，就能識(shí)別腫瘤細(xì)胞的深度學(xué)習(xí)模型。

這種深度學(xué)習(xí)算法能幫病理學(xué)家排除最多75%的無用信息組織樣本，同時(shí)確保100%的敏感性。研究人員表示，該系統(tǒng)能夠以前所未有的規(guī)模訓(xùn)練準(zhǔn)確的分類模型，為臨床實(shí)踐中計(jì)算決策支持系統(tǒng)的部署奠定了基礎(chǔ)。與此同時(shí)，其未來也將會(huì)用于輔助癌癥中心的病理診斷，提高常規(guī)臨床實(shí)踐的效率。

近年來，人工智能在癌癥診斷領(lǐng)域取得了越來越多的突破，譬如圣地亞哥海軍醫(yī)學(xué)中心和谷歌AI的研究人員開發(fā)出的系統(tǒng)，就可以利用癌癥檢測(cè)算法來自主評(píng)估淋巴結(jié)活檢，從而對(duì)轉(zhuǎn)移性乳腺癌患者的診斷和治療進(jìn)行更好的決策;而紐約大學(xué)醫(yī)學(xué)院研究團(tuán)隊(duì)開發(fā)的機(jī)器學(xué)習(xí)程序，不僅能夠以97%的準(zhǔn)確率確定患者的肺癌類型，還可以識(shí)別導(dǎo)致異常細(xì)胞生長的變異基因。