一项机器学习算法在100例中正确识别出97例个体是否患有乳糜泻疾病的研究表明，新研究显示。该人工智能工具经过对来自四家医院的近3400个扫描活检的训练，可以加快该病的诊断速度，并减轻紧张的医疗资源压力，同时改善发展中国家的诊断情况，因为这些国家病理学家严重短缺。
剑桥科学家开发的机器学习算法能够在100例中正确识别出97例个体是否患有乳糜泻疾病，根据他们的活检，新研究表明。
该人工智能工具经过对来自四家NHS医院的近3400个扫描活检的训练，可以加快该病的诊断速度，并减轻紧张的医疗资源压力，同时改善发展中国家的诊断情况，因为这些国家病理学家严重短缺。
能够加速或甚至自动化诊断测试分析的数字工具开始显示出减少对病理学家需求的真正前景。大量的工作集中在癌症的检测上，但研究人员开始寻找诊断其他类型疾病的机会。
剑桥大学的科学家正在研究的一个疾病是乳糜泻，这是一种因摄入谷蛋白而触发的自身免疫性疾病。它引起的症状包括胃部痉挛、腹泻、皮疹、体重减轻、疲劳和贫血。由于不同个体之间症状差异很大，患者常常难以获得准确的诊断。
诊断乳糜泻的金标准是通过对十二指肠（小肠的一部分）进行活检。病理学家将分析显微镜下的样本或计算机上以寻找绒毛的损伤，绒毛是小肠内壁上细小的毛发状突起。
解释活检，通常有微妙变化，可以是主观的。病理学家使用一种称为马什-奥伯豪伯尺度的分类系统来判断病例的严重性，从零（绒毛正常，患者不太可能患有该疾病）到四（绒毛完全扁平化）。
在今天发布于《新英格兰医学杂志AI》的研究中，剑桥研究人员开发了一种机器学习算法来分类活检图像数据。该算法在一个大型、多样化的数据集上进行训练和测试，该数据集由来自五家不同医院的5000个不同扫描仪获取的4000多张图像组成。
剑桥大学病理学系和丘吉尔学院的资深作者伊丽莎白·索伊尔优教授表示：“乳糜泻影响多达每100人中就有1人，可能导致严重疾病，但获得诊断并不简单。获得准确诊断可能需要多年时间，而在医疗系统压力巨大的情况下，这些延误可能会继续。人工智能有潜力加快这一过程，使患者能够更快地获得诊断，同时减轻NHS的候诊名单压力。”
团队在一个独立的数据集上对近650张来自未见来源的图像测试了他们的算法。基于与原始病理学家的诊断比较，研究人员显示该模型在100例中超过97例的诊断是正确的。
该模型的敏感性超过95%——这意味着它在100个患有乳糜泻的个体中正确识别了超过95例。它的特异性接近98%——这意味着它在100个没有乳糜泻的个体中正确识别了接近98例。
团队的前期研究表明，即使是病理学家在诊断上也可能存在分歧。当展示一系列100张切片并询问是否诊断患者是否患有乳糜泻、是否不患有该病或诊断是否不确定时，团队显示超过五分之一的案例存在分歧。
这一次，研究人员请四位病理学家审阅30张切片，发现病理学家与人工智能模型的同意程度与他们与另一位病理学家的同意程度相同。
同样来自病理学系的弗洛里安·耶克尔博士，以及剑桥大学霍普斯霍尔的研究员说：“这是首次证明人工智能的诊断准确性与经验丰富的病理学家是否患有乳糜泻相当。由于我们在多种不同条件下生成的数据集上对其进行了训练，我们知道它在多种环境中应能正常工作，这些环境中活检的处理和成像方式各不相同。
“这是加速诊断的重要一步，并解放病理学家的时间，让他们专注于更复杂或紧急的病例。我们的下一个步骤是在更大规模的临床样本中测试该算法，使我们能够与监管机构共享这一设备，使我们更接近该工具在NHS中使用。”
研究人员一直在与患者群体合作，包括通过乳糜泻英国，分享他们的方法并与他们讨论对使用此类技术的接受程度。
耶克尔博士补充道：“当我们与患者交谈时，他们通常对使用人工智能诊断乳糜泻非常接受。这无疑部分反映了他们在获得诊断方面的困难和延误经历。
“与患者和临床医生经常提到的一个问题是‘可解释性’问题——能够理解和解释人工智能如何得出其诊断。如果我们想确保公众对医疗中人工智能应用的信任，这对我们作为研究人员和对监管机构来说都很重要。”
索伊尔优教授是剑桥大学医院NHS基金会信托的顾问血液病理学家。她与耶克尔博士共同成立了一家孵化公司Lyzeum Ltd，以商业化该算法。
这项研究得到了乳糜泻英国、创新英国、剑桥数据驱动发现中心和国家健康与护理研究所的资助。
乳糜泻英国的研究官员凯拉·谢泼德表示：“在诊断过程中，患者维持饮食中含有谷蛋白至关重要，以确保诊断准确。但这可能导致不适的症状。这就是为什么他们能够尽快获得准确诊断非常重要。
“这项研究展示了加速诊断过程的一个潜在方式。在乳糜泻英国，我们很自豪能够资助这项工作的早期阶段，最初专注于训练一个系统，以区分健康对照活检和乳糜泻患者的活检。我们希望有一天这种技术将被用来帮助患者快速获得准确的诊断。”
