根据《NPJ乳腺癌》发表的一项研究，在机器学习的帮助下，研究人员可以训练计算机分析乳腺癌图像，并对肿瘤进行准确分类。

这项研究由北卡罗来纳大学莱恩伯格综合癌症中心的研究人员领导。

今年5月，分子肿瘤学教授、遗传学教授、UNC病理与实验室医学院教授Charles Perou博士说：“使用人工智能或机器学习，我们可以完成病理学家能够以类似精度完成的许多任务，但我们也可以完成一两项病理学家今天无法完成的任务。“在验证方面，还有很长的路要走，但我认为随着我们获得更多的图像来训练计算机，准确性只会越来越好。”

在看到深度学习在肿瘤、有丝分裂检测和淋巴结转移检测中应用的“重大进展”后，研究人员开始致力于利用深度学习来预测病理学家看不到的复杂特征。

为了训练计算机，研究人员使用571个乳腺肿瘤数据集创建了一个基于图像的分类器，用于对肿瘤分级、er状态、PAM50固有亚型、组织学亚型和复发风险评分进行分类。然后，使用288幅图像的独立数据集评估计算机的准确性、灵敏度和特异性。

计算机可以区分：

低、中、高肿瘤分级准确率为82%。

ER状态准确率为84%。

基础和非基础乳腺癌的准确率为77%。

乳腺导管小叶癌的准确率为94%

高中的复发率是75%。

基于这些结果，研究人员说，“基于图像的方法可能有希望识别出需要更多基因组测试的患者。”

吉尔林斯的UNC全球公共卫生学院教授梅丽莎特罗斯特博士在一份声明中说：“我们很惊讶，计算机仅仅通过看图片就能获得估计生物标志物风险的高精度。”“我们花了数千美元用分子工具测量这些生物标志物。这种新方法可以拍摄图像，在估计肿瘤表型或亚型时获得80%或更高的准确性。太神奇了。”