7月15日，《自然·醫學》雜志報道了一種能夠區分癌癥與健康組織的人工智能系統，該系統可以幫助病理科醫生排除75%的無關組織樣本，并保持100%的敏感性。研究人員認為，這項研究有助于簡化病理科醫生的工作流程，使他們集中精力檢查含有腫瘤的組織切片。

由于缺乏具有臨床診斷準確度的模型和處理大量癌癥病例的能力，病理學決策支持系統的發展一直受到阻礙。

為此，美國紀念斯隆-凱特琳癌癥中心和美國威爾·康奈爾醫學院的研究人員建立了一個大型真實數據集，其中包括來自15000多名前列腺癌、皮膚癌和乳腺癌患者的44000多張組織切片。

利用這些數據，研究人員建立了一個基于多實例的深度學習模型，該系統能夠在沒有病理科醫生手工注釋的情況下識別腫瘤細胞。結果顯示，該系統在診斷上述腫瘤時的表現與臨床診斷相當。即使遇到不規則的樣本，例如樣本中含有氣泡和褶皺時，診斷表現依然良好。

研究人員在論文中表示，該系統的臨床應用將幫助病理科醫生排除65%-75%的組織切片，同時保持100%的靈敏度。

決策支持系統對臨床實踐的影響：根據腫瘤概率對患者的組織切片進行排序，從而使病理科醫生將注意力集中在可能出現癌癥的組織切片上。據算法預測，病理科醫生可以忽略掉超過75%的組織切片。

研究人員在《自然·醫學》雜志中表示，他們的結果表明，這一系統能夠以前所未有的規模訓練準確的分類模型，為臨床決策中計算決策支持系統的部署奠定基礎。

上述論文題為《基于完整切片圖像弱監督深度學習的臨床級計算病理學》（Clinical-grade computational pathology using weakly supervised deep learning on whole slide images），于7月15日發表在《自然·醫學》雜志。