乳腺癌的诊断标准是组织活检和随后的病理切片分析，病理学家需要在显微镜的帮助下，在组织切片中寻找肿瘤的踪迹，并判断肿瘤的大小、癌症的发展阶段、是否发生转移等，以确定下一步的治疗。分析病理切片并不是一个简单的工作，病理学家需要经过多年的训练，才能获得足够的专业知识和经验。即使是一位有经验的病理学家，也可能出现误诊和漏诊。

近期，荷兰奈梅亨Radboud大学医学中心的Bejnordi等人研究发现，在评估乳腺癌患者腋窝淋巴结有无癌细胞转移方面，人工智能（artificial intelligence，AI）的表现或与病理专家差不多。

在这项名为CAMELYON16的研究中，研究人员于2015年11月～2016年11月从两家荷兰医学中心收集到有或无淋巴结转移的270例患者的全切片数码图像（110例有转移、160例无转移），人工智能通过深度学习对这些乳腺癌病理图像进行评估。49幅有转移和80幅无转移的图像用于验证，同时来自荷兰的12名病理医生组成的小组也对相应图像进行评估，其中一部分病理医生（11名）在一定时间（2小时）内完成评估数码图像，而另一部分病理专家（1名）没有时间限制。

结果发现，没有时间限制的病理专家需要大约30小时对全切片数码图像进行评定，无假阳性（即非肿瘤组织被辨别为转移），但是27.6%的转移未被发现，故辨别有无病变的真阳性率为72.4%，辨别转移分类（是否包含前哨腋淋巴结转移）的灵敏度、特异度、曲线下面积（area under curve，AUC）分别为93.8%、98.7%、0.966。在一定时间内完成病理评估的医生需要72分钟～180分钟完成对全切片数码图像的评定，辨别转移分类的平均灵敏度、特异度、AUC分别为62.8%、98.5%、0.810。表现最佳的算法辨别有无病变的真阳性率为80.7%，平均假阳性率为1.25%，辨别转移分类的AUC为0.994，显著高于有时间限制的病理医生（P<0.001），接近无诊断时间限制的病理专家。

这项研究标明，人工智能对数字化图像的诊断能力优于有诊断时间限制的11位病理医生，接近无诊断时间限制的病理专家。（作者：宫健) 

参考文献：Journal of the American Medical Association 2017;318:2199-2210