最新的一項研究顯示，在診斷轉(zhuǎn)移到前哨淋巴結(jié)的少量乳腺癌細胞方面，人工智能要優(yōu)于病理科醫(yī)生。(JAMA 2017年12月12日在線版)

研究者分析了32種自動診斷乳腺癌前哨淋巴結(jié)轉(zhuǎn)移的程序，表現(xiàn)最好的7種與11位丹麥病理學(xué)專家進行了PK，病理學(xué)家們閱了129個鏡下表現(xiàn)診斷微轉(zhuǎn)移，腫瘤細胞簇直徑0.2~<2 mm，其中3位病理學(xué)家為乳腺癌領(lǐng)域病理學(xué)專家。

表現(xiàn)最好的病理學(xué)家診斷的平均曲線下面積AUC為0.810，而計算機程序表現(xiàn)最佳者AUC要更好一些，為0.994(P<0.001)。

病理學(xué)家檢出大體轉(zhuǎn)移的平均敏感性為92.9%，平均AUC為0.964;檢出微轉(zhuǎn)移的敏感性僅為38.3%，平均AUC為0.685。

這些結(jié)果提示，可以利用人工智能，來進行病理診斷，只不過這還需要在臨床試驗層面進行驗證。即使是最好的病理學(xué)家也漏診了37.1%的只有微轉(zhuǎn)移的病例。

美國布萊根婦女醫(yī)院Golden教授述評指出，該研究結(jié)果令人振奮，不過值得注意的是，給病理學(xué)家們的閱片時間太短，實際臨床實踐中，遇到不確定的情況，病理科醫(yī)生通常會要求再切片或進行染色。哈佛醫(yī)學(xué)院Cotran教授指出，該研究沒有比較好的對照，是否人工智能在診斷所有類型的乳腺癌都有優(yōu)勢不清楚。

129例用來比賽的鏡下表現(xiàn)中，49例淋巴結(jié)有轉(zhuǎn)移，80例無轉(zhuǎn)移。訓(xùn)練過的計算機程序在鏡下圖像上逐像素地篩查轉(zhuǎn)移腫瘤細胞，這種強度還是要比人工強悍一些。研究發(fā)現(xiàn)，程序可以檢出前哨淋巴結(jié)轉(zhuǎn)移的敏感性為100%，提示可以減少病理科醫(yī)生的工作量。

影像學(xué)和病理這種跟圖像打交道的學(xué)科，是人工智能比較容易滲入的學(xué)科。不過與影像學(xué)已經(jīng)收集電子圖像25年之久相比，病理在人工智能面前還相對是新手。有一些問題和挑戰(zhàn)需要應(yīng)對和克服，比如費用問題等。病理科醫(yī)生的接受也是一個問題，要病理科醫(yī)生從顯微鏡前起身，用計算機和人工智能輔助診斷工作還是有點挑戰(zhàn)的。不過，還是不應(yīng)該感到威脅，而應(yīng)該積極面對，畢竟人工智能為主的診斷工具在某些領(lǐng)域是優(yōu)于人工的，這給臨床提高工作效率和準確度帶來了契機。人工智能不會取代臨床醫(yī)生，但會對傳統(tǒng)工作模式帶來挑戰(zhàn)。

(編譯 王嵐)