AI已经在医学的许多领域得到应用，其在帮助医生利用影像数据诊断疾病方面具有巨大潜力。然而，AI模型需要大量示例进行训练，而这些示例通常只有常见疾病才能提供足够的数量。“这就像一个家庭医生只需诊断咳嗽、流鼻涕和喉咙痛一样，”慕尼黑大学病理研究所主任弗雷德里克·克劳施伦教授说，“真正的挑战在于还要检测那些不太常见的疾病，而当前的AI模型往往忽视或误分类这些疾病。”
克劳施伦与柏林工业大学/BIFOLD的克劳斯-罗伯特·米勒教授及其同事共同开发了一种新方法，克服了这一限制。据他们在《NEJM AI》杂志上报道，他们的新模型仅需常见疾病的训练数据即可可靠检测罕见疾病，这可能显著提高诊断准确性并减轻病理医生的工作负担。
学习正常情况
新方法基于异常检测：通过对正常组织和常见疾病的精确表征，模型学会识别并标记偏差，而无需专门针对这些罕见情况进行训练。研究团队收集了两个大型的胃肠道活检组织切片显微图像数据集及其相应的诊断结果。在这两个数据集中，10种最常见的发现（包括正常发现和常见疾病如慢性胃炎）约占90%的病例，而剩余10%的病例则包含56种疾病实体（包括多种癌症）。
为了训练和评估他们的模型，研究人员使用了总计1700万张来自5423个病例的组织学图像。“我们比较了各种技术方法，我们的最佳模型能够以高可靠性检测到广泛的胃和结肠罕见病理，包括罕见的原发性或转移性癌症。据我们所知，没有其他已发表的AI工具能够做到这一点，”米勒说。此外，AI还可以通过热图以颜色指示组织切片中异常的位置。
显著减轻诊断工作量
通过识别正常发现和常见疾病并检测异常，新的AI模型（随着时间将进一步改进）可以为医生提供关键支持。尽管识别出的疾病仍需由病理医生确认，“医生可以节省大量时间，因为正常发现和一定比例的疾病可以由AI自动诊断。这适用于大约四分之一到三分之一的病例，”克劳施伦说。“而在剩余的病例中，AI可以帮助优先处理病例并减少漏诊。这将代表巨大的进步。”
更多信息： Jonas Dippel等人，《基于AI的异常检测用于临床级组织病理学诊断》，《NEJM AI》（2024）。DOI: 10.1056/AIoa2400468。由慕尼黑大学提供。
(全文结束)
