美國研究人員開發出一種人工智能(AI)系統，可以幫助醫生更準確地讀取活檢組織數據，更好地診斷乳腺癌。他們在近日的美國醫學協會期刊《JAMA Network Open》上發表研究論文稱，這一系統對某些類型乳腺病變的診斷準確率甚至比經驗豐富的醫生還要高。

　　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學圖像包含著大量復雜的數據，醫生在理解這些數據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(一種非侵潤性乳腺癌)病例中，就會出現一次診斷錯誤，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的AI系統，未來或可在一定程度上緩解醫生的壓力。

　　研究團隊利用240例乳腺病例活檢的圖像，對新開發的AI系統進行訓練，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名美國執業醫生的獨立診斷結果進行了比較。

　　結果顯示，人工智能程序在區分癌癥和非癌癥病例方面的表現略遜于人類醫生，但在區分乳腺異型性與原位導管癌方面的表現則要優于人類醫生。在相關類型病變的診斷上，AI系統的靈敏度介于0.88至0.89之間，而人類醫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，美國醫生在乳腺異型性和原位導管癌的診斷上一直表現不佳，準確率很低，這也成為美國醫生在乳腺癌診斷上面臨的一個最大挑戰。而他們的研究結果表明，基于機器學習的人工智能系統在此方面具有巨大潛力，可以作為輔助系統，幫助醫生作出更加準確的診斷。