乳腺癌是世界上最常見的癌癥，也是全球癌癥致死的第二大死亡原因。其最重要的檢查是組織病理學(xué)診斷，這對(duì)于指導(dǎo)后期治療和評(píng)估預(yù)后有重要價(jià)值。隨著對(duì)癌癥的深入研究和個(gè)體化治療的興起，臨床對(duì)癌癥的診斷的精確度提出了更高的要求。
而人工智能 (AI) 的進(jìn)步以及數(shù)字病理診斷技術(shù)的應(yīng)用，促進(jìn)了乳腺腫瘤檢測(cè)的準(zhǔn)確性的條，為腫瘤的病理分類和評(píng)估預(yù)后提供了更加有效的方法。
近期，英國(guó)諾丁漢大學(xué)醫(yī)院組織病理學(xué)系的 Emad A. Rakha 對(duì)人工智能（AI）的數(shù)字病理診斷技術(shù)在輔助診斷乳腺癌中的應(yīng)用作了綜合闡述，論文于 2019 年 10 月發(fā)表于 The Breast 上。
1
背景
現(xiàn)代醫(yī)學(xué)針對(duì)乳腺癌，無論是制定個(gè)體化治療方案還是預(yù)測(cè)患者的生存期，都是基于病理切片診斷對(duì)腫瘤的分期和分級(jí)進(jìn)行的。而病理結(jié)果來自病理科醫(yī)師的診斷經(jīng)驗(yàn)，準(zhǔn)確的診斷結(jié)果伴隨著較長(zhǎng)的耗時(shí)。
最新的人工智能 (AI) 技術(shù)主要應(yīng)用于分析病理切片，用于診斷、評(píng)估預(yù)后、和預(yù)測(cè)其他臨床相關(guān)的問題（如提高診斷工作流程的效率）。
數(shù)字病理診斷技術(shù)是應(yīng)用計(jì)算機(jī)圖像分析技術(shù)來對(duì)病理切片進(jìn)行掃描和分析，對(duì)照事先存儲(chǔ)的病理診斷數(shù)據(jù)，為新的病理圖片提供最接近的診斷結(jié)果。
2
數(shù)字病理學(xué)
數(shù)字病理學(xué)是使用幻燈片掃描儀將組織病理學(xué)圖片轉(zhuǎn)換為數(shù)字圖像并對(duì)這些數(shù)字圖像進(jìn)行分析的過程。
數(shù)字病理學(xué)始于上世紀(jì) 60 年代中期，初期，數(shù)字病理學(xué)是對(duì)組織病理圖片進(jìn)行部分區(qū)域數(shù)字化轉(zhuǎn)換后，通過掃描圖像來識(shí)別不同類型細(xì)胞的存在。
全幻燈片成像 (WSI) 技術(shù)的出現(xiàn)，使得組織病理圖片可以整體數(shù)字化轉(zhuǎn)換，并以與光學(xué)顯微鏡相當(dāng)?shù)姆直媛蔬M(jìn)行檢查。經(jīng)過幾十年的發(fā)展，這些技術(shù)已逐漸從基礎(chǔ)研究發(fā)展到了臨床實(shí)踐應(yīng)用的邊緣。
1992 年，一項(xiàng)早期的大規(guī)模數(shù)字病理學(xué)和常規(guī)顯微鏡診斷各類腫瘤對(duì)比研究表明，應(yīng)用全幻燈片成像 (WSI) 技術(shù)的數(shù)字病理學(xué)診斷結(jié)果與 16 位病理醫(yī)師的診斷結(jié)果幾乎相同。
之后，更多的研究結(jié)果顯示，乳腺癌?？撇±磲t(yī)師經(jīng)過簡(jiǎn)單的數(shù)字病理技術(shù)培訓(xùn)后，使用數(shù)字病理技術(shù)診斷獲得的結(jié)果與醫(yī)師在鏡下診斷的結(jié)果相同率達(dá)到了 98.8%。
2016 年，西班牙的格拉納達(dá)大學(xué)醫(yī)院系統(tǒng)對(duì)初級(jí)組織病理學(xué)診斷采用了完全數(shù)字化工作流程。
數(shù)字病理診斷的優(yōu)勢(shì)在于提高病理診斷的準(zhǔn)確性和效率，但是這受到病理醫(yī)師的培訓(xùn)程度和診斷流程有直接影響。
3
機(jī)器在學(xué)習(xí)
人工智能是一個(gè)廣泛的研究領(lǐng)域，旨在設(shè)計(jì)模擬人類智能的計(jì)算機(jī)系統(tǒng)。機(jī)器學(xué)習(xí) (ML) 是人工智能的一個(gè)子領(lǐng)域，它開發(fā)的算法允許計(jì)算機(jī)在不重新編程的情況下適應(yīng)新的問題。
也就是說，機(jī)器學(xué)習(xí)系統(tǒng)直接從數(shù)據(jù)「學(xué)習(xí)」如何解決問題。這是通過應(yīng)用統(tǒng)計(jì)方法從一組提供的數(shù)據(jù)中識(shí)別模式來實(shí)現(xiàn)的，而無需人工指導(dǎo)。
隨著計(jì)算能力的增強(qiáng)，算法變得更加復(fù)雜，深度學(xué)習(xí)技術(shù)利用數(shù)百萬個(gè)類神經(jīng)元單元來學(xué)習(xí)圖像像素值及其語義標(biāo)簽之間的復(fù)雜關(guān)系，這些特征是從數(shù)據(jù)中自動(dòng)學(xué)習(xí)的。
根據(jù)網(wǎng)絡(luò)結(jié)構(gòu)的不同，深度學(xué)習(xí)算法可以細(xì)分為不同的類別。
具有分層模式檢測(cè)器的卷積神經(jīng)網(wǎng)絡(luò) (CNN) 在圖像識(shí)別問題上取得了巨大的成功?；?CNN 的方法已經(jīng)用于圖像的檢測(cè)和分割任務(wù)，以識(shí)別和量化細(xì)胞。最后，遞歸神經(jīng)網(wǎng)絡(luò) (RNN) 使用自連接模式檢測(cè)器進(jìn)行序列處理。
機(jī)器學(xué)習(xí) (ML) 已被廣泛用于各種組織病理學(xué)預(yù)測(cè)。廣義地說，機(jī)器學(xué)習(xí) (ML) 的類型可以分為向人類學(xué)習(xí)和識(shí)別未知信號(hào)。
對(duì)于前者，機(jī)器從人類注釋的數(shù)據(jù)集學(xué)習(xí)一個(gè)模型，目的是幫助病理學(xué)家在臨床工作流程中完成他們的診斷任務(wù)。
對(duì)于后者，機(jī)器可以根據(jù)相同結(jié)果的輸入數(shù)據(jù)來建立模型。這些模型可以為藥物發(fā)現(xiàn)提供更準(zhǔn)確的預(yù)測(cè)和識(shí)別。
4
結(jié)論
目前，人工智能對(duì)乳腺癌的輔助診斷便是基于上述的理論，總結(jié)現(xiàn)有的病理醫(yī)師對(duì)乳腺癌分期和分級(jí)的診斷數(shù)據(jù)，建立模型之后來實(shí)現(xiàn)乳腺癌的數(shù)字化診斷。
這項(xiàng)技術(shù)已經(jīng)在替代傳統(tǒng)的 HE 染色和免疫組化方面有了較多的研究成果，但是這項(xiàng)技術(shù)也面臨著許多挑戰(zhàn)，例如輸入數(shù)據(jù)和圖像的質(zhì)量，直接影響診斷的精確程度；基于算法程序模型的診斷和評(píng)估缺乏臨床標(biāo)準(zhǔn)，難以獲得醫(yī)師的信任等。
但是，隨著技術(shù)的進(jìn)步，將會(huì)出現(xiàn)更大、更豐富的數(shù)據(jù)庫，從而能夠開發(fā)出越來越精確的模型。數(shù)字病理學(xué)也會(huì)獲得更多發(fā)展，從而造福人類！
未來，或許我們每個(gè)人都會(huì)有一個(gè)電子家庭醫(yī)生！
編輯：劉海洋、賈俊君
題圖：站酷海洛
