爱诺美康

自学式人工智能工具有助于诊断和预测肺癌严重程度

一项新的研究显示，一个基于近50万张组织图像数据并由人工智能驱动的计算机程序可以准确诊断腺癌病例，这是肺癌常见的形式。

NYU兰贡健康的佩尔穆特癌症中心和格拉斯哥大学的研究人员开发并测试了该程序。他们说，因为它结合了来自452名腺癌患者的肿瘤结构特征，这些患者是美国美国国家癌症研究所癌症基因组图谱中超过11，000名患者中的一员，所以该程序为患者和肿瘤学家提供了关于癌症存在及其复发可能性和时间(预后)的无偏见、详细和可靠的第二意见。

研究小组还指出，该程序是独立的，“自学的”，这意味着它可以自行确定哪些结构特征在统计上对衡量疾病的严重程度最重要，并对肿瘤复发产生最大影响。

发表在《自然通讯》(Nature Communications)杂志上的这项研究计划也被称为一种算法——或者具体来说，组织形态学表型学习(HPL)——被发现可以在99%的情况下准确区分类似的肺癌、腺癌和鳞状细胞癌。研究人员说，HPL程序还被发现在预测治疗后癌症复发的可能性和时间方面有72%的准确性，比病理学家直接检查相同患者的肿瘤图像所做预测的64%的准确性有所提高。

“我们新的组织形态学表型学习程序，有可能为癌症专家和他们的患者提供一种快速和无偏见的肺腺癌诊断工具，一旦进一步的测试完成，还可以用来帮助验证甚至指导他们的治疗决定，”该研究的首席研究员Nicolas Coudray博士说。