在一项刚刚发表在著名期刊《自然通讯》上的研究中，来自纽约大学、格拉斯哥大学等机构的科研人员成功开发出一种先进的人工智能程序，能够准确诊断最常见的肺癌类型——腺癌，并精准预测复发风险，代表了肺癌诊断和治疗领域的重大突破。
传统上，肺癌的诊断需要病理学家在显微镜下仔细检查组织样本，这一过程不仅耗时且容易出现人为失误。尽管现有的基于监督深度学习的人工智能方法已展现出不错的前景，但其需要大量标注数据的支持。
图源备注：图片由AI生成，图片授权服务商Midjourney
而这项最新研究中的AI程序则采用了一种称为"组织形态学表型学习"的自监督学习技术。该技术可自动识别并分组组织图像中的相似区域，构建出"HP-Atlas"——一张详细的地图，展示了各种组织结构从良性到恶性状态的转变过程。
研究人员对近50万张来自452例腺癌患者的组织图像进行了分析，结果令人振奋:AI程序在99%的病例中准确区分了腺癌与肺癌的另一种常见类型鳞状细胞癌，并且以72%的准确率预测了患者的肿瘤复发风险，显著优于64%的人工诊断水平。
该AI程序不仅能够快速全面分析肺组织样本，还会为每位患者生成一个分数，精准反映其未来5年内的生存和复发概率。研究人员表示，随着更多数据的补充，这一系统将变得更加精准，并计划在进一步测试后免费面向公众。
纽约大学珀尔马特癌症中心研究员阿里斯托特利斯·齐里高斯博士说:"我们的AI程序能在几分钟内分析肺组织，准确预测患者癌症是否会复发，这一性能已经超过了目前对肺腺癌预后评估的标准要求。"
这一突破性进展为肺癌患者带来了更加精准和个性化的治疗方案，同时也为包括乳腺癌、卵巢癌和结直肠癌在内的其他癌症类型开辟了AI诊断之路。研究团队下一步还计划整合更多临床和社会经济数据，以进一步提高系统的准确性和可靠性。