美國匹茲堡大學(xué)研究者報(bào)告了準(zhǔn)確性較高的識(shí)別和描述前列腺癌的人工智能(AI)算法。

研究者首先用空芯針穿刺獲得的標(biāo)本(CNB)制成的549張HE染色切片(共包括135萬余份圖像塊)作為訓(xùn)練隊(duì)列，將2501張切片作為內(nèi)部驗(yàn)證隊(duì)列，得到了基于AI技術(shù)的前列腺癌診斷算法。

該算法對(duì)每張切片在診斷為癌癥的可能性、Gleason評(píng)分、Gleason模式5以及神經(jīng)侵犯情況等維度進(jìn)行評(píng)估;計(jì)算出每個(gè)CNB材料中腫瘤所占的比例。算法建立后，在規(guī)模為100人(1627張切片)的外部驗(yàn)證隊(duì)列中驗(yàn)證其可靠性，并在病理實(shí)驗(yàn)室作為第二系統(tǒng)(第一系統(tǒng)為人工)進(jìn)行了試用。

結(jié)果表明，算法表現(xiàn)出了良好的性能：敏感性高達(dá)98%，特異性高達(dá)97%。作為第一個(gè)被用于描述腫瘤特點(diǎn)的算法，在腫瘤分級(jí)、大小評(píng)估、神經(jīng)侵犯等方面，其性能也相當(dāng)優(yōu)異：在外部驗(yàn)證隊(duì)列中，在區(qū)分分化程度、Gleason模式5以及神經(jīng)侵犯方面，ROC曲線下面積(診斷性試驗(yàn)的評(píng)價(jià)指標(biāo)，1為理想值)分別達(dá)到了相當(dāng)高的水平：0.941、0.971和0.957。

該算法在試用過程中，幫助病理醫(yī)生糾正了6例診斷：包括新診斷1例癌(起初被人為診斷成不典型小腺泡增生ASAP)，以及修正了5例Gleason評(píng)分。

研究者認(rèn)為，這項(xiàng)工作將有助于輔助臨床更好地診斷前列腺癌，尤其是有助于發(fā)現(xiàn)不典型的病變;研究者也希望這一算法系統(tǒng)將來可以在其他腫瘤的診斷中加以訓(xùn)練并實(shí)現(xiàn)臨床應(yīng)用。

(編譯 王鈺)