来自慕尼黑大学（LMU）、柏林工业大学（TU Berlin）和夏里特医院（Charité）的研究人员开发了一种新的AI工具，该工具利用影像数据不仅能够检测常见的胃肠道疾病，还能检测较为罕见的疾病。AI已经在医学的许多领域得到应用，在帮助医生利用影像数据诊断疾病方面具有巨大的潜力。然而，AI模型需要大量样本进行训练，而这些样本通常只有常见疾病才能提供足够的数量。
“这就像家庭医生只需诊断咳嗽、流鼻涕和喉咙痛。真正的挑战在于还能够检测那些较少见的疾病，而当前的AI模型往往忽视或误诊这些疾病。”慕尼黑大学病理学研究所主任弗雷德里克·克劳斯琴教授（Professor Frederick Klauschen）表示。克劳斯琴与柏林工业大学/柏林人工智能基础研究所（BIFOLD）的克劳斯-罗伯特·米勒教授（Professor Klaus-Robert Müller）及其夏里特大学医学中心（Charité - Universitätsmedizin Berlin）的同事共同开发了一种新的方法，克服了这一限制。据他们在《新英格兰医学杂志AI》（NEJM AI）上报告的新模型，仅需常见疾病的训练数据即可可靠地检测较少见的疾病，这可能显著提高诊断准确性并减轻病理学家的工作负担。
从正常状态中学习
新方法基于异常检测：通过精确描述正常组织和常见疾病的特征，模型学会了识别和标记偏差，而无需专门针对这些罕见病例进行训练。为了研究，研究人员收集了两个大型的胃肠道活检组织切片显微图像数据集及其相应的诊断结果。在这两个数据集中，最常见的十种发现——包括正常发现和慢性胃炎等常见疾病——约占90%的病例，而剩余10%的病例包含了56种疾病实体——包括许多癌症。研究人员总共使用了1700万张来自5423个病例的组织学图像进行模型的训练和评估。“我们比较了各种技术方法，我们的最佳模型能够高度可靠地检测到胃和结肠的一系列罕见病理，包括罕见的原发性或转移性癌症。据我们所知，没有其他已发表的AI工具能够做到这一点，”米勒说。此外，AI还可以通过热图以颜色指示组织切片中异常的位置。
显著减轻诊断工作量
通过识别正常发现和常见疾病并检测异常，新的AI模型——未来还将进一步改进——可以为医生提供关键支持。尽管识别出的疾病仍需由病理学家确认，“医生可以节省大量时间，因为正常发现和一定比例的疾病可以由AI自动诊断。这适用于大约四分之一到三分之一的病例，”克劳斯琴说。“而在剩余的病例中，AI可以促进病例优先级排序并减少漏诊。这将代表巨大的进步。”
来源：慕尼黑大学（LMU）
期刊参考：Dippel, J., et al. (2024). AI-Based Anomaly Detection for Clinical-Grade Histopathological Diagnostics. NEJM AI. doi.org/10.1056/aioa2400468.
(全文结束)
