内梅亨大学医学中心(Radboud university medical center)的研究人员开发了一种“深度学习”系统，它在判断前列腺癌的侵袭性方面比大多数病理学家做得更好。使用组织样本进行诊断的AI系统会根据超过1200名患者的数据进行自我诊断，以识别出前列腺癌。Radboud小组目前正在与瑞典Karolinska研究所和Google子公司Kaggle的研究人员合作，以期在重大国际竞争中继续开发这些方法。

前列腺癌是一种经常发生的癌症，但并不总是侵略性的。但是，其治疗对患者的生活质量有许多影响，因此确定攻击性前列腺癌的侵袭性是选择治疗的重要步骤。为了确定癌症的侵袭性，从前列腺中取出组织(活检组织)，由病理学家对其进行评分。然后，使用该“Gleason评分”将活检样本分为五个组-Gleason等级组-这五组表明死于前列腺癌的风险。但是，这是一个主观过程，是否以及如何治疗患者取决于评估组织的病理学家。

比病理学家更好

Radboudumc的研究人员开发了一种人工只能系统，该系统可以像病理学家一样检查活组织切片。AI系统还会确定Gleason得分，然后系统可以根据Gleason等级组对活检分类。通过深度学习，该系统检查了数千个活检图像，以了解什么是健康的前列腺以及侵略性前列腺癌组织的外观。

研究员Wouter Bulten描述了这个过程：“现在已经对1200多名患者的5759份活检进行了人工智能系统训练。当我们将算法的性能与来自不同国家和不同经验水平的15位病理学家进行比较时，我们的系统表现得比他们中的10名要好，与经验丰富的病理学家不相上下。” 这种计算机系统的另一个优点是它是一致的，可以在任何地方使用;病人的治疗将不再依赖于病理学家观察组织。

国际竞争

每年全球有120万男性被诊断出患有前列腺癌，因此人工智能诊断系统的开发对于许多研究小组和公司而言都很有趣。“我们是一家学术性医院，这是有利的，”Bulten说。“我们和病人、医生都很近，且拥有自己的活检数据库。”下一步，内梅亨大学医学中心的团队——连同来自瑞典卡罗林斯卡学院和谷歌的一个专门从事数据科学竞赛的子公司Kaggle的研究人员——想要举办一场国际竞赛，参赛者们在竞赛中尝试击败Radboudumc算法。比赛的结果将被用于改进算法。

背景：什么是“深度学习”?

深度学习是一个术语，用于描述那些以与我们的大脑工作方式相似的方式学习的系统。它由电子“神经元”网络组成，每个网络都学会识别所需图像的一个方面，它遵循边做边学的原则，熟能生巧。系系统接收到越来越多的图像，包括相关信息，比如——在这种情况下——这是否是癌症，如果是的话，Gleason的分数是多少。然后，系统学会识别哪些特征属于癌症，并且看到的图片越多，就可以更好地识别出未诊断的图像中的那些特征。这些系统的一个主要优点是，它们比人类学习速度快得多，可以一日工作24小时。

目前，由Wouter Bulten，Geert Litjens等人撰写的Nijmegen研究已发表在《柳叶刀肿瘤学》上。

厚朴方舟2012年进入海外医疗领域，总部位于北京，建立了由全球权威医学专家组成的美日名医集团，初个拥有日本政府官方颁发的海外医疗资格的企业。如果您有海外就医的需要，请拨打免费热线400-086-8008进行咨询！

本文由厚朴方舟编译，版权归厚朴方舟所有，转载或引用本网版权所有之内容须注明"转自厚朴方舟官网（www.hopenoah.com）"字样，对不遵守本声明或其他违法、恶意使用本网内容者，本网保留追究其法律责任的权利。

上一篇：新研究指出纳米铜化合物和免疫治疗方法方法结合可以有效杀死癌细胞 下一篇：科学家发现肿瘤细胞中的B细胞如何促进良好的免疫治疗方法反应