7月15日，《自然·医学》杂志报道了一种能够区分癌症与健康组织的人工智能系统，该系统可以帮助病理科医生排除75%的无关组织样本，并保持100%的敏感性。研究人员认为，这项研究有助于简化病理科医生的工作流程，使他们集中精力检查含有肿瘤的组织切片。

由于缺乏具有临床诊断准确度的模型和处理大量癌症病例的能力，病理学决策支持系统的发展一直受到阻碍。

为此，美国纪念斯隆-凯特琳癌症中心和美国威尔·康奈尔医学院的研究人员建立了一个大型真实数据集，其中包括来自15000多名前列腺癌、皮肤癌和乳腺癌患者的44000多张组织切片。

利用这些数据，研究人员建立了一个基于多实例的深度学习模型，该系统能够在没有病理科医生手工注释的情况下识别肿瘤细胞。结果显示，该系统在诊断上述肿瘤时的表现与临床诊断相当。即使遇到不规则的样本，例如样本中含有气泡和褶皱时，诊断表现依然良好。

研究人员在论文中表示，该系统的临床应用将帮助病理科医生排除65%-75%的组织切片，同时保持100%的灵敏度。

决策支持系统对临床实践的影响：根据肿瘤概率对患者的组织切片进行排序，从而使病理科医生将注意力集中在可能出现癌症的组织切片上。据算法预测，病理科医生可以忽略掉超过75%的组织切片。

研究人员在《自然·医学》杂志中表示，他们的结果表明，这一系统能够以前所未有的规模训练准确的分类模型，为临床决策中计算决策支持系统的部署奠定基础。

上述论文题为《基于完整切片图像弱监督深度学习的临床级计算病理学》（Clinical-grade computational pathology using weakly supervised deep learning on whole slide images），于7月15日发表在《自然·医学》杂志。