美国匹兹堡大学研究者报告了准确性较高的识别和描述前列腺癌的人工智能(AI)算法。

研究者首先用空芯针穿刺获得的标本(CNB)制成的549张HE染色切片(共包括135万余份图像块)作为训练队列，将2501张切片作为内部验证队列，得到了基于AI技术的前列腺癌诊断算法。

该算法对每张切片在诊断为癌症的可能性、Gleason评分、Gleason模式5以及神经侵犯情况等维度进行评估;计算出每个CNB材料中肿瘤所占的比例。算法建立后，在规模为100人(1627张切片)的外部验证队列中验证其可靠性，并在病理实验室作为第二系统(第一系统为人工)进行了试用。

结果表明，算法表现出了良好的性能：敏感性高达98%，特异性高达97%。作为第一个被用于描述肿瘤特点的算法，在肿瘤分级、大小评估、神经侵犯等方面，其性能也相当优异：在外部验证队列中，在区分分化程度、Gleason模式5以及神经侵犯方面，ROC曲线下面积(诊断性试验的评价指标，1为理想值)分别达到了相当高的水平：0.941、0.971和0.957。

该算法在试用过程中，帮助病理医生纠正了6例诊断：包括新诊断1例癌(起初被人为诊断成不典型小腺泡增生ASAP)，以及修正了5例Gleason评分。

研究者认为，这项工作将有助于辅助临床更好地诊断前列腺癌，尤其是有助于发现不典型的病变;研究者也希望这一算法系统将来可以在其他肿瘤的诊断中加以训练并实现临床应用。

(编译 王钰)