摘要
来自人类癌症患者的病理图像特征，没有注释，可以被人类医生理解，已被人工智能(AI)识别…
日本理研中心高级智能项目(AIP)开发的人工智能(AI)技术已经识别出人类癌症患者的病理图像特征，这些特征没有注释，可以被人类医生理解。
此外，人工智能还发现了一些与癌症预后相关的特征，这些特征以前没有被病理学家注意到，这使得前列腺癌复发的准确性高于病理学诊断。将人工智能做出的预测与人类病理学家的预测相结合，可以得到更高的准确性。
根据发表在《自然通讯》杂志上的这项研究的第一作者山本耀一郎的观点，“这项技术可以通过从图像中获取新知识，从而实现对癌症复发的高度准确预测，从而为个性化医疗做出贡献。”它还可以帮助解决人工智能被视为‘黑匣子’的问题，从而有助于理解人工智能如何在医学上安全使用。”
由山本和Go Kimura领导的研究小组与日本一些大学医院合作，采用了一种被称为“非监督学习”的方法。只要人类教授人工智能，就不可能获得目前已知之外的知识。人工智能不是被“教授”医学知识，而是被要求在不提供任何医学知识的情况下，使用被称为自动编码器的无监督深度神经网络学习。研究人员开发了一种方法，将人工智能发现的特征(最初只是数字)转化为人类可以理解的高分辨率图像。
完成这一壮举的集团收购了13188包埋病理学的幻灯片图像前列腺来自日本医学院医院(NMSH),巨大的数据量,相当于大约860亿图像补丁(子图片分为深层神经网络),并计算了AIP强大的雷电的超级计算机。
人工智能从1100万个图像块中使用没有诊断注释的病理图像进行学习。人工智能发现的特征包括全球使用的癌症诊断标准(在Gleason评分中)，但也包括专家不知道的非癌症区域的基质(支撑器官的结缔组织)。为了评估这些ai发现的特征，研究组使用来自NMSH(内部验证)的其余病例验证了复发预测的性能。研究小组发现，人工智能发现的特征(AUC=0.820)比病理学家根据人类建立的癌症标准Gleason评分(AUC=0.744)做出的预测更准确。
此外，结合人工智能发现的特征和人类建立的标准，比单独使用任何一种方法预测复发更准确(AUC=0.842)。该小组使用另一个数据集确认了结果，包括来自圣玛丽安娜大学医院和爱ichi医科大学医院的2276张完整的病理图像(100亿个图像块)(外部验证)。
“我很高兴，”山本说，“发现人工智能能够从未经注释的病理图像中识别出癌症。我非常惊讶地发现，人工智能发现了一些特征，可以用来预测复发，而这些特征是病理学家没有发现的。”
他继续说:“这种‘新生’的知识可以通过对癌症复发的高度准确预测而对患者有用。非常棒的是，我们发现，将人工智能的预测与病理学家的预测结合起来，可以进一步提高准确性，这表明人工智能可以与医生携手合作，改善医疗护理。
此外，人工智能可以作为一种工具来发现迄今尚未被注意到的疾病特征，而且由于它不需要人类知识，它可以用于医学以外的其他领域。”
来源：Medindia
此文系悬壶济世网原创整理，没有授权，请勿转载！
