来自慕尼黑大学（LMU）、柏林工业大学（TU Berlin）和夏里特大学医院（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来检测胃肠道的罕见疾病。弗雷德里克·克劳施伦教授是慕尼黑大学病理学研究所的主任。他指出：“当前的AI模型通常只能识别常见的疾病，就像家庭医生只需诊断咳嗽、流鼻涕和喉咙痛一样。真正的挑战在于识别那些不常见的疾病，而这些疾病往往被当前的AI模型忽略或误诊。”
克劳施伦教授与柏林工业大学/柏林大数据中心（BIFOLD）的克劳斯-罗伯特·米勒教授及其夏里特大学医院的同事们共同开发了一种新方法，克服了这一限制。他们在《新英格兰医学杂志AI》（NEJM AI）上报告称，他们的新模型仅需常见疾病的训练数据，就能可靠地检测罕见疾病。这有望显著提高诊断的准确性，并减轻病理学家的工作负担。
从正常中学习
这种新方法基于异常检测：通过对正常组织和常见疾病的精确表征，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，而剩余的10%包含56种疾病实体（包括许多癌症）。
研究人员使用了总计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。米勒教授表示：“我们比较了各种技术方法，我们的最佳模型能够以高可靠性检测出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，没有其他已发布的AI工具能够做到这一点。”此外，通过热图，AI可以标示出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模型可以在未来进一步改进，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，但“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，”克劳施伦教授说。“而在其余病例中，AI可以协助优先处理病例并减少漏诊。这将是一个巨大的进步。”
J. Dippel & N. Prenil等：基于AI的临床级组织病理学诊断中的异常检测。NEJM AI 2024
(全文结束)
