人工智能模型改善了乳腺手术中癌症肿瘤的切除效果

研究人员开发了一种人工智能模型，它可以通过检查切除组织的乳房X光照片，实时预测外科医生在乳腺癌手术中是否切除了所有癌组织。该模型的表现与人类医生不相上下，甚至更好。

早期乳腺癌的首选治疗方法是保乳手术，即乳房部分切除术，并结合放疗。手术中必须切除所有癌变乳腺组织，以防止癌症复发。检查的方法是检查切除组织的外缘，确保不含癌细胞，即"阴性边缘"。

对组织进行乳房 X 射线照相术（标本乳房 X 射线照相术）是确保阴性边缘的广泛手段，因为它可以在手术室内进行，并能提供即时反馈。然而，乳腺标本造影可能并不准确，如果后来发现癌细胞，就需要进一步手术切除更多组织。

北卡罗来纳大学（UNC）医学院的研究人员开发了一种人工智能模型，可以实时预测乳腺癌手术中癌变组织是否已被完全切除。

该研究的通讯作者之一克里斯塔琳-加拉格尔（Kristalyn Gallagher）说："有些癌症你能感觉到，也能看到，但我们看不到可能存在于切除组织边缘的微小癌细胞。其他癌症则完全是微观的。这种人工智能工具可以让我们更准确地实时分析手术切除的肿瘤，并增加手术中切除所有癌细胞的机会。这将避免患者再次接受第二次或第三次手术。"

为了向人工智能模型"传授"阴性和阳性边缘是什么样的，研究人员使用了切除术后立即拍摄的821张标本乳腺X光图像，并与病理学家的最终标本报告相匹配。超过一半（53%）的图像边缘呈阳性。他们还向模型提供了患者的人口统计学数据，如年龄、种族、肿瘤类型和肿瘤大小。

用于教授人工智能模型的阴性和阳性标本乳腺 X 射线照相图像示例Chen 等人/UNC Health

他们发现，人工智能模型的灵敏度为 85%，特异度为 45%，接收者工作特征曲线下面积 (AUROC) 为 0.71。灵敏度衡量的是模型检测阳性实例的能力，而特异性衡量的是模型正确识别的真正阴性实例的比例。AUROC 衡量模型的整体性能，提供一个介于 0 和 1 之间的值，其中 0.5 表示随机猜测，1 表示完美性能。

研究人员表示，与人类解读的准确性相比，人工智能模型的表现与人类不相上下，甚至更好。从这个角度来看，以前的研究发现，乳腺标本成像的灵敏度在 20% 到 58% 之间，AUROC 在 0.60 到 0.73 之间。

该研究的第一作者凯文-陈（Kevin Chen）说："思考人工智能模型如何利用计算机视觉支持医生和外科医生在手术室中的决策是一件有趣的事情。我们发现，人工智能模型在识别阳性边缘方面与人类不相上下，甚至略胜一筹"。

该模型有助于识别乳腺密度较高患者的边缘。在乳房X光照片上，密度较高的乳腺组织和肿瘤都呈现为亮白色，因此很难区分健康组织和癌变组织。

研究人员说，他们的人工智能模型可用于资源较少的医院，如专科外科医生、放射科医生或病理学家，以便在手术室做出快速、明智的决定。

共同通讯作者肖恩-戈麦斯（Shawn Gomez）说："这就像是为那些可能没有现成专业知识的医院提供了一层额外的支持。外科医生可以得到在成百上千张图像上训练出来的模型的支持，而不是做出最佳猜测，并能立即得到手术反馈，从而做出更明智的决定。"

该人工智能模型还处于早期阶段，研究人员将继续用更多的乳腺 X 射线图像对其进行训练，以提高其辨别边缘的准确性。在应用于临床之前，该模型还需要进一步的研究验证。

这项研究发表在《肿瘤外科年鉴》（Annals of Surgical Oncology）杂志上。