根据发表在《NPJ乳腺癌》上的一项研究，借助机器学习，研究人员能够训练计算机来分析乳腺癌图像并准确地对肿瘤进行分类。

这项研究是由北卡罗来纳大学(UNC)Lineberger综合癌症中心的研究人员领导的。

“使用人工智能或机器学习，我们能够完成病理学家能够以相似的准确性完成的许多工作，但是我们也能够完成病理学家今天无法完成的一两个工作，” Charles Perou博士，五月高盛肖杰出分子肿瘤学教授，遗传学教授，病理学和实验室医学医学院的UNC学校的，在说的语句。“在验证方面，这还有很长的路要走，但是我认为随着我们获取更多图像来训练计算机，准确性只会越来越好。”

在看到了将深度学习用于肿瘤，有丝分裂检测和淋巴结转移癌检测方面的“重大进展”之后，研究人员开始致力于使用深度学习来预测病理学家看不到的复杂特性。

为了训练计算机，研究人员使用了571个乳腺肿瘤的数据集来创建基于图像的分类器，以分类肿瘤等级，ER状态，PAM50内在亚型，组织学亚型和复发风险评分。然后使用288张图像的独立数据集评估计算机的准确性，敏感性和特异性。

计算机能够区分：

低中级与高肿瘤分级，准确率达82%

ER状态准确率达84%

基础型与非基础型乳腺癌的准确率达77%

导管与小叶型乳腺癌的准确率达94%

高中复发率，准确率75%

基于这些结果，研究人员说：“基于图像的方法可能有希望识别出对进一步基因组测试有更大需求的患者。”

UNC吉林斯全球公共卫生学院教授梅利莎·特罗斯特(Melissa Troester)博士在一份声明中说：“仅通过查看图片，计算机就能够在估算生物标志物风险方面获得相当高的准确性，我们感到惊讶。”“我们花费数千美元使用分子工具测量这些生物标志物，这种新方法可以拍摄图像，并在估计肿瘤表型或亚型时获得80%的准确性或更高的准确性。真是太神奇了。”