随着病理学家数量的减少，团队开发人工智能作为诊断工具

在发达国家，每9名女性中就有1名会在人生的某个阶段被诊断出患有乳腺癌。乳腺癌的患病率正在上升，部分原因是现代生活方式和寿命的延长。值得庆幸的是，治疗正变得更加有效和个性化。然而，病理学家的数量并没有增加，而是在减少，病理学家的专业是检查身体组织，为个性化医疗提供必要的具体诊断的医生。

因此，以色列理工学院的一组研究人员致力于将计算机变成有效的病理学家助手，简化和改进人类医生的工作。他们的新研究最近发表在自然通讯．

Gil Shamai博士和Amir Livne博士的具体任务是在免疫治疗领域内完成的，他们是来自Technion公司Henry和Marilyn Taub计算机科学系Ron Kimmel教授的实验室。近年来，免疫疗法作为一种有效的、有时甚至是改变游戏规则的治疗方法，对几种癌症越来越突出。这种疗法的基础是鼓励身体自身的免疫系统攻击肿瘤。然而，这种治疗必须是个性化的，因为必须根据肿瘤的具体特征给那些能够从中受益的患者使用正确的药物。

多种自然机制阻止我们的免疫系统攻击我们自己的身体。癌症肿瘤经常利用这些机制来躲避免疫系统。其中一种机制与PD-L1蛋白有关——有些肿瘤会显示PD-L1蛋白，它充当一种密码，错误地说服免疫系统不应该攻击癌症。PD-L1的特异性免疫治疗可以说服免疫系统忽略这个特殊的密码，但当然只有当肿瘤表达PD-L1时才有效。

病理学家的任务是确定患者的肿瘤是否表达PD-L1。昂贵的化学标记物被用来对从肿瘤上取的活组织组织进行染色，以获得答案。这个过程不是简单的、耗时的，而且有时不一致。沙迈博士和他的团队采取了不同的方法。近年来，对活检组织进行扫描以用于数字病理分析已成为fda批准的做法。阿米尔·利夫恩(Amir Livne)、沙迈(Shamai)博士和基梅尔(Kimmel)教授决定看看神经网络是否可以利用这些扫描来进行诊断，而不需要额外的处理。“他们告诉我们这是不可能的，”该团队说，“所以当然，我们必须证明他们是错的。”

神经网络的训练方式与儿童的学习方式类似:向他们展示多个带标签的例子。给一个孩子看许多狗和各种各样的东西，并从这些例子中形成“狗”是什么。基梅尔教授的团队开发的神经网络展示了来自3376名患者的数字活检图像，这些患者被标记为表达PD-L1或不表达PD-L1。在初步验证后，研究人员要求确定来自275名患者的额外临床试验活检图像是否为PD-L1阳性或阴性。它的表现比预期的要好:对于70%的患者，它能够自信而正确地确定答案。对于剩下的30%的患者，程序无法找到使其能够做出决定的视觉模式。有趣的是，在人工智能(AI)不同意人类病理学家的判断的情况下，第二次测试证明人工智能是正确的。

“这是一项重大成就，”坎摩尔解释说。“计算机发现的变化是人类肉眼无法分辨的。如果细胞表现出PD-L1或不表现出PD-L1，细胞自身的排列是不同的，但差异是如此之小，即使是训练有素的病理学家无法确定他们的身份。现在我们的神经网络可以。”

这项成就是由Gil Shamai博士和研究生Amir Livne组成的团队的成果，他们开发了这项技术并设计了实验，来自葡萄牙波尔图大学分子病理学和免疫学研究所的António Polónia博士，来自以色列海法卡梅尔医学中心的Edmond Sabo教授和Alexandra Cretu博士，他们是进行这项研究的病理学专家，在Gil barsela教授的支持下，他是以色列阿夫拉赫米克医疗中心肿瘤和血液学部门的主任。

“这是一个让大家聚在一起的绝佳机会人工智能和医学，”沙迈博士说。“我喜欢数学，我喜欢开发算法。能够用我的技能帮助别人，促进医学发展，这超出了我刚开始作为计算机科学专业学生时的预期。”他现在领导着一个15人的研究团队，他们正在把这个项目推进到下一个阶段。

“我们希望人工智能能成为医生手中的有力工具，”基梅尔教授说。“人工智能可以帮助做出或验证诊断，它可以帮助将治疗方案与单个患者相匹配，它可以提供预后。我不认为它能够——或者应该——取代人类医生。但它可以使医生工作的某些方面更简单、更快、更精确。”