病理科医生往往需要至少一分钟来识别肺癌影像，如今，一个人工智能的程序可以在20秒来完成。
这个人工智能利用机器学习，通过训练一个深度积神经网络（convolutional neural network）来对肿瘤基因图谱（cancer genome atlas）进行自动分类。
这个研究成果刚刚发表在自然医药（Nature Medicine）上。
目前，肺癌的肿瘤病理切片仍然是由病理科医生进行目视检查，然后判断肿瘤分期，分型，类别和亚型。
非小细胞肺癌(NSCLC)最常见的亚型包括腺癌（LUAD）和鳞癌（LUSC），需要由经验丰富的病理学家来进行目视检查。
如今，有了人工智能的帮助，这个程序可以自动分别腺癌，鳞癌和良性肺结节。而且，程序的代码是开源的代码。
（发表在Nature Medicine的人工智能识别肺癌的文章）
在一个340个的患者图像识别中, 这个程序正确区分了这两个肺癌肿瘤分型，其中, 真阳性与假阳性的区域下的曲线 (area under the curve) 为0.861-0. 977。
此外，这个程序训练能预测10种最常见的肺癌基因突变中的六种基因突变。TA们是：STK11, EGFR（表皮生长因子受体），FAT1，SETBP1，KRAS和TP53，都可以通过病理图像预测。
如果不使用程序，这个通常需要进行免疫染色或肿瘤测序, 可能需要一个星期或更长的时间。
更令人惊喜的是，该算法可以检测某些突变引起的组织形态学变化，作者建议。
“这个程序表明，人工智能可能帮助病理科医生识别肿瘤分型和基因突变类型，而且，我们的这个程序可以用于任何肿瘤类型，”作者表示。
文章的主要作者，纽约大学的助理教授Aristotelis Tsirigos告诉生物世纪，下一步计划是通过使用更多的图像来训练算法，包括从病理学家得到更详细注解的图像，来提高算法的准确性。Tsirigos 是纽约大学应用生物信息学实验室主任。
这个代码可以在Github找到。地址是https://github.com/ncoudray/DeepPATH.
Nature Medicine网址：
https://www.nature.com/articles/s41591-018-0177-5
生物世纪报道：
https://www.biocentury.com/bc-extra/tools-techniques/2018-09-17/ai-code-could-speed-cancer-diagnosis-treatment-decisions-0
你可能喜欢：
服务新药研发 把握投资趋势
每天用新说话 决策不可或缺
健点子ihealth是医药行业领先的投资顾问资讯平台，专注罕见病，生物类似药，日韩印度健康行业的最新动向。
你也可以在任何健点子文章后留言。请简短说明具体需求。我们一般在24小时之内联系。