最新的一项研究显示，在诊断转移到前哨淋巴结的少量乳腺癌细胞方面，人工智能要优于病理科医生。(JAMA 2017年12月12日在线版)

研究者分析了32种自动诊断乳腺癌前哨淋巴结转移的程序，表现最好的7种与11位丹麦病理学专家进行了PK，病理学家们阅了129个镜下表现诊断微转移，肿瘤细胞簇直径0.2~<2 mm，其中3位病理学家为乳腺癌领域病理学专家。

表现最好的病理学家诊断的平均曲线下面积AUC为0.810，而计算机程序表现最佳者AUC要更好一些，为0.994(P<0.001)。

病理学家检出大体转移的平均敏感性为92.9%，平均AUC为0.964;检出微转移的敏感性仅为38.3%，平均AUC为0.685。

这些结果提示，可以利用人工智能，来进行病理诊断，只不过这还需要在临床试验层面进行验证。即使是最好的病理学家也漏诊了37.1%的只有微转移的病例。

美国布莱根妇女医院Golden教授述评指出，该研究结果令人振奋，不过值得注意的是，给病理学家们的阅片时间太短，实际临床实践中，遇到不确定的情况，病理科医生通常会要求再切片或进行染色。哈佛医学院Cotran教授指出，该研究没有比较好的对照，是否人工智能在诊断所有类型的乳腺癌都有优势不清楚。

129例用来比赛的镜下表现中，49例淋巴结有转移，80例无转移。训练过的计算机程序在镜下图像上逐像素地筛查转移肿瘤细胞，这种强度还是要比人工强悍一些。研究发现，程序可以检出前哨淋巴结转移的敏感性为100%，提示可以减少病理科医生的工作量。

影像学和病理这种跟图像打交道的学科，是人工智能比较容易渗入的学科。不过与影像学已经收集电子图像25年之久相比，病理在人工智能面前还相对是新手。有一些问题和挑战需要应对和克服，比如费用问题等。病理科医生的接受也是一个问题，要病理科医生从显微镜前起身，用计算机和人工智能辅助诊断工作还是有点挑战的。不过，还是不应该感到威胁，而应该积极面对，毕竟人工智能为主的诊断工具在某些领域是优于人工的，这给临床提高工作效率和准确度带来了契机。人工智能不会取代临床医生，但会对传统工作模式带来挑战。

(编译 王岚)