人工智能识别出与癌症复发相关的未知特征

日本RIKEN先进智能项目中心(AIP)开发的人工智能(AI)技术成功地在人类癌症患者的病理图像中发现了人类医生可以理解的特征，无需注释。此外，AI识别了病理学家之前没有注意到的与癌症预后相关的特征，与病理学家的诊断相比，这导致前列腺癌复发的准确性更高。将人工智能的预测与人类病理学家的预测相结合，可以获得更高的准确性。

该研究的第一作者山本洋一郎(Yoichiro Yamamoto)表示自然通讯“这项技术可以通过对患者进行高度准确的预测，为个性化医疗做出贡献癌症复发可能通过获得新知识从图像。它还可以帮助解决人工智能被视为‘黑盒子’的问题，从而有助于理解人工智能如何安全地用于医学。”

由Yamamoto和Go Kimura领导的研究小组与日本的一些大学医院合作，采用了一种称为“无监督学习”的方法。只要人类教人工智能，就不可能获得超出目前已知的知识。而不是被“教导”医学知识，人工智能被要求在无监督的情况下学习深度神经网络在没有任何医学知识的情况下，被称为自动编码器。研究人员开发了一种翻译方法特性最初由人工智能发现的——只有数字——转换成人类可以理解的高分辨率图像。

为了完成这一壮举，该小组从日本医学院医院(NMSH)获得了13188张前列腺的完整病理幻灯片图像，数据量巨大，相当于大约860亿个图像补丁(为深度神经网络划分的子图像)，并且在AIP强大的RAIDEN超级计算机上进行计算。

人工智能从1100万个图像补丁中学习，没有诊断注释的病理图像。人工智能发现的特征包括癌症诊断标准在格里森评分上已在世界范围内使用，但在专家不知道的非癌症领域，也有涉及支持器官的间质结缔组织的特征。为了评估这些人工智能发现的特征，研究小组使用来自NMSH的剩余病例验证了复发预测的性能(内部验证)。研究小组发现，人工智能发现的特征比病理学家根据人类建立的癌症标准Gleason评分(AUC=0.744)做出的预测更准确(AUC=0.820)。此外，结合人工智能发现的特征和人类建立的标准，比单独使用任何一种方法更准确地预测复发(AUC=0.842)。该小组使用另一个数据集确认了结果，该数据集包括来自圣玛丽安娜大学医院和爱知医科大学医院的2276张完整的病理图像(100亿个图像补丁)(外部验证)。

山本说:“我很高兴地发现，人工智能能够从未经注释的病理图像中自行识别癌症。我非常惊讶地发现，人工智能发现了病理学家没有发现的可以用来预测复发的特征。我们已经证明，AI可以自动从诊断性无注释的组织病理学图像中获取人类可理解的知识。这种“新生”知识可以通过高度准确地预测癌症复发而对患者有用。非常棒的是，我们发现将人工智能的预测与病理学家的预测结合起来，进一步提高了准确性，这表明人工智能可以与医生携手使用，以改善医疗保健。此外，人工智能还可以作为发现迄今为止尚未发现的疾病特征的工具，由于它不需要人类知识，因此可以用于医学以外的其他领域。”

---

---