研究报告基于人工智能的乳腺癌淋巴结转移

全世界每年有50万人死于乳腺癌，据估计有90%是由于肿瘤转移而引起的。原发性肿瘤的淋巴结转移影响多种癌症的治疗决定。淋巴结内肿瘤细胞的组织学鉴定是一项费力且容易出错的工作，尤其是对小肿瘤病灶。

现在，来自美国圣地亚哥海军医疗中心和谷歌人工智能研究部门的研究人员，已经开发出了一种极具前景的解决方案，可以使用癌症检测算法来自动评估淋巴结活检结果。

他们的研究目的旨在评价基于深度学习的人工智能算法（淋巴结助手，LYNA）在前哨淋巴结活检中检测转移性乳腺癌中的临床应用。

研究团队从位患者（公开可用的Camelyon16挑战赛数据集）的苏木精-伊红染色淋巴结中获得完整的切片图像。用张切片开发出了LYNA，并用其余的张切片对其进行了评估。他们将研究结果与某独立实验室（20位患者的张切片/86块切片）使用不同扫描仪测量重现的结果进行了比较。

在Camelyon16评估数据集上，当每个患者1个假阳性时，LYNA在受试者工作特征（AUC）为99%和在肿瘤级敏感性为91%的情况下实现了切片级区域。他们还发现了两张含有微转移的“正常”切片。当应用于他们的第二个数据集时，LYNA获得了99.6%的AUC。LYNA不受常见的组织学伪影如过度固定、染色不良和气泡的影响。

人工智能算法可以详尽地评估切片上的每个组织块，实现比病理医生更高的肿瘤级敏感性和可与之媲美的切片级表现。这些技术可以提高病理医生的工作效率，减少与肿瘤细胞形态学检测相关的假阴性。他们提供了一个框架，以帮助执业病理医生评估这些算法，并将其应用到他们的工作流程中（类似于病理医生评估免疫组织化学结果的方法）。

如需要研究报告《基于人工智能的乳腺癌淋巴结转移检测》（英文，共11页），请在本