AI化身诊断胃癌小能手，模型敏感性高达近100%( 三 ) 智东西（公众号：zhidxcom）作者|温淑

针对三台不同扫描仪产生的共3212张病理切片，模型预测结果的敏感性达到0.996 ，平均特异性为0.806 。
文章插图
模型对不同来源数字病理切片的预测结果对比
四、AI模型帮助病理学家提升预测准确度为了测试AI模型能否在真实情况下作出准确判断，研究人员准备了100张数字病理切片，并对12名病理学家进行分组，以比较病理学家在借助AI辅助系统、不借助AI辅助系统下的诊断结果。
研究人员根据诊断难易程度，将数字病理切片分为四组，分别是：1、低倍镜下容易诊断组（含有34张病理切片）；2、易于诊断但需要高倍率放大组（含有39张病理切片）；3、难以诊断但不需要借助IHC组（含有23张病理切片）；4、十分难以诊断，需借助IHC组（含有4张病理切片）。 IHC指免疫组织化学染色法，是一种利用免疫学反应，监测细胞或组织中是否存在目标抗原的方法。
12位病理学家被分为3组，其中A组使用传统方式，用显微镜观测玻璃病理切片；B组直接观察数字病理切片；C组使用数字病理切片和AI辅助诊断系统。
测试进行两次，其中一次不限制诊断时间，另一次把诊断时间限制在1小时内。
在不限制诊断时间的情况下（图b），研究人员用ROC曲线比较病理学家的预测结果和AI模型的平均预测表现（模型的平均预测表现用图中“★”表示，即敏感性为0.996、平均特异性为0.806）。结果显示， AI模型和人类病理学家的表现相当。在一些情况下， AI模型的平均表现超过了人类病理学家。
准确性方面（图c），使用AI辅助诊断的病理学家的准确性更高。
在不限制诊断时间的情况下，使用AI系统的C组病理学家平均诊断准确性相较使用显微镜观察的A组、使用数字病理切片的B组分别提升了0.018、0.060；在限制诊断时间的情况下，使用AI系统的C组病理学家平均诊断准确性相较使用显微镜观察的A组、使用数字病理切片的B组分别提升了0.013、0.008 。
文章插图
a-12位病理学家被分为三组；b-AI模型的平均表现相当或优于人类病理学家（★-模型平均表现）；c-AI辅助诊断系统帮助人类病理学家达到更高的诊断准确性
结语：AI为医疗资源稀缺带来解法医疗从业者的稀缺和对医疗人才的依赖成为当今的医疗系统面临的一个两难问题。一方面，当今的医疗系统从诊断病情到确定治疗方案都十分依赖医生的个人经验；另一方面，要等到医疗人才、医疗设施的存量增长到能满足大多数人的医疗需求，势必还需要很长时间。
这种背景下，近年来AI技术的跨越式发展为改善这一现状提供了另外一种思路。除了类似于本文中直接切入诊断过程的AI系统，在医院中引入基于AI的病例管理、分诊系统等也可以帮助缓解医疗机构的就诊压力。
说不定在未来，或许AI将和人类医生一样，成为医疗系统中的中坚力量。
文章插图