近日，一项刊登在国际杂志JAMA Network Open上的研究报告中，来自加利福尼亚大学的科学家们通过研究开发了一种人工智能系统，其或能够帮助病理学家更准确地读取活组织检查结果及更好地检测并诊断乳腺癌。这种新型系统能帮助解释医学成像结果从而用于诊断乳腺癌（人眼无法有效区分），其几乎能够像一名经验丰富的病理学家一样对乳腺癌进行准确诊断。

研究者Joann Elmore表示，从一开始就得到正确的诊断结果是非常重要的，这样才能够帮助我们对患者进行最有效地诊断和治疗；2015年研究人员发现，病理学家对乳腺癌活组织检查结果的解释存在很多不一致的想法，而且每年有数百万女性都会接受乳腺活组织检查手术；早期研究结果表明，每6名原位导管癌（一种非侵入性的乳腺癌）的女性中就有1名会出现错误诊断，而且大约一半的乳腺异型性活组织检查病例（与高风险乳腺癌相关的异常细胞）都会被给出错误的诊断。

【8】Nature：利用人工智能预测急性肾损伤

doi：10.1038/s41586-019-1390-1

在一项新的研究中，美国和英国的研究人员将人工智能（AI）应用于解决检测住院患者急性肾损伤（acute kidney injury， AKI）的问题。相关研究结果近期发表在Nature期刊上，论文标题为“A clinically applicable approach to continuous prediction of future acute kidney injury”。在这篇论文中，他们描述了他们的深度学习系统及其表现如何。

急性肾损伤（AKI）可导致肾脏恶化。在严重的情况下，它可能导致移植需求或死亡。急性肾损伤通常发生正在医院中接受治疗的患者身上，并且通常是身体快速下滑的迹象，需要医院工作人员采取紧急措施以阻止进一步的不可逆肾损伤。在这项新的研究中，这些研究人员想知道是否有可能使用人工智比在医院中通常发生的时间更早地检测急性肾损伤的症状，从而为患者提供更好的结果。

【9】Nat Med：利用人工智能准确地诊断肺癌，准确率高达94%

doi：10.1038/s41591-019-0447-x

在一项新的研究中，软件工程师和临床研究人员之间的合作产生了一个人工智能程序，该程序使用图像来预测哪些人将患上肺癌，准确率为94％。这个研究团队发现这个算法与放射科医师基于同一个人的多次计算机断层扫描（CT）来筛查癌症一样准确，并且当它仅能从一个人那里获得一次扫描时，它的表现优于医生，相关研究结果发表在Nature Medicine期刊上。

美国国家卫生研究院（NIH）之前针对吸烟者进行肺癌筛查的一项研究已发现，通过CT扫描检测这种疾病的早期症状可将死亡率降低大约20％，但是活组织检查等程序导致一些CT扫描出现假阳性的人死亡（NEJM， 2011， doi：10.1056/NEJMoa1102873）。为了了解人工智能（AI）是否可以增强放射科医师在分析CT扫描时的准确性，该研究团队将早期NIH研究中的数千次CT扫描输入到谷歌的计算机中，同时输入的还有患者的后期诊断结果。

在经过培训之后，该研究团队测试了这种算法基于新的CT扫描检测癌症的准确性，并将它与六位放射科医师进行了比较。随着时间的推移，当对一个人进行多次扫描时，这种算法的表现与放射科医师一样好，但是当仅有一张扫描图像可用时，相比于临床医师，它产生的假阴性减少了5％，假阳性减少了11％。

小编推荐：
惠及3.3亿心血管疾病患者丨首个
Cell子刊最新研究发现诱惑红和落
「医药速读社」国家疾病预防控制
国家疾病预防控制局亮相 王贺胜

中国养生网()