医学领域的人工智能：更高效的诊断新方法
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 - Universitätsmedizin Berlin）的研究人员开发了一种新的AI工具，该工具利用影像数据也能检测出较少见的胃肠道疾病。尽管人工智能已经在医学的许多领域得到应用，但在帮助医生通过影像数据诊断疾病方面具有巨大的潜力。然而，AI模型需要大量示例进行训练，而这些示例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、流鼻涕和喉咙痛一样，”慕尼黑大学病理学研究所主任弗雷德里克·克劳施伦教授（Professor Frederick Klauschen）说，“真正的挑战在于也要检测到较少见的疾病，而当前的AI模型往往忽视或误分类这些疾病。”
克劳施伦与柏林工业大学/BIFOLD的克劳斯-罗伯特·米勒教授（Professor Klaus-Robert Müller）的团队及夏里特大学医院的同事共同开发了一种新的方法，克服了这一限制。正如他们在《新英格兰医学杂志人工智能》（NEJM AI）中报道的那样，他们的新模型仅需常见疾病的训练数据，就能可靠地检测较少见的疾病。这可能显著提高未来的诊断准确性并减轻病理学家的工作负担。
从正常状态学习
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情况进行训练。为了研究，研究人员收集了两个大型的数据集，其中包含胃肠道活检的显微镜图像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）占约90%的病例，而剩余的10%包含了56种疾病实体（包括许多癌症）。
为了训练和评估他们的模型，研究人员使用了总计1700万张组织切片的组织学图像，涉及5423个病例。“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出一系列较罕见的胃和结肠病理，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，通过热图，AI还可以用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（未来将进一步改进）可以为医生提供关键支持。虽然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通过AI自动诊断。这适用于大约四分之一到三分之一的病例，”克劳施伦说。“而在剩余的病例中，AI可以帮助优先处理病例并减少漏诊。这将是一个巨大的进步。”
(全文结束)
