日本理研中心(RIKEN Center for Advanced intelligence Project, AIP)开发的人工智能(AI)技能已经成功地在人类癌症患者的病理图像中发现了人类医生可以理解的特征，而且没有注释。此外，人工智能还发现了一些与癌症预后相关的特征，这些特征以前没有被病理学家注意到，这使得前列腺癌复发的准确性高于病理学诊断。将人工智能做出的预测与人类病理学家的预测相结合，可以得到更高的准确性。

该研究的主要作者山本洋一郎(Yoichiro Yamamoto)在《自然通讯》(Nature Communications)上发表文章称，“这项技能可以通过从图像中获取新知识，从而实现对癌症复发的高度准确预测，为个性化医疗做出贡献。”此外，这项技能还可以帮助解决人工智能被视为‘黑匣子’的问题，从而有助于理解人工智能如何在医学上不受威胁使用。”

由Yamamoto和Go Kimura领导的研究小组与日本许多大学医院合作，采用了一种称为“无监督学习”的方法。只要人类教授AI，就不可能获得超出当前已知知识的知识。人工智能不是被“传授”医学知识，而是被要求使用无监督的深度神经网络(称为自动编码器)进行学习，而无需提供任何医学知识。研究人员开发了一种方法，可以将AI所发现的特征(起初只是数字)转换为人类可以理解的高分辨率图像。

为了完成这项壮举，该小组从日本医学院医院(NMSH)获得了13188张前列腺全载病理切片图像，数据量巨大，相当于大约860亿个图像补丁(为深层神经网络划分的子图像) ，并且计算是在AIP强大的RAIDEN计算机上执行的。

人工智能从1100万个图像块中使用没有诊断注释的病理图像进行学习。人工智能发现的特征包括全球使用的癌症诊断标准(在Gleason评分中)，但也包括专家不知道的非癌症区域的基质(支撑器官的结缔组织)。为了评估这些AI发现的特征，研究组使用来自NMSH(内部验证)的其余病例验证了复发预测的性能。研究小组发现，人工智能发现的特征(AUC=0.820)比病理学家根据人类建立的癌症标准Gleason评分(AUC=0.744)做出的预测更准确。

此外，结合人工智能发现的特征和人类建立的标准，比单独使用任何一种方法预测复发更准确(AUC=0.842)。该小组使用另一个数据集确认了结果，包括来自圣玛丽安娜大学医院和爱知医科大学医院的2276张完整的病理图像(100亿个图像块)(外部验证)。

Yamamoto说：“我很高兴，发现AI能够从未注释的病理图像中自行识别出癌症。我非常惊讶地看到AI发现了可以用来预测复发的功能，而这些特征是病理学家没有发现的。”

他继续说：“我们已经证明，人工智能可以从无诊断注释的组织病理学图像中自动获取人类可理解的知识。这种'新生的'知识可以通过对癌症复发进行高精度的预测。非常高兴的是，我们发现，将AI的预测与病理学家的预测相结合，甚至可以进一步提高准确性，这表明人工智能可以与医生携手合作以改善医疗保健，此外，人工智能可以作为一种工具来发现迄今尚未被注意到的疾病特征，并且由于它不需要人类知识，因此可以在医学以外的其他领域中使用。”

厚朴方舟2012年进入海外医疗领域，总部位于北京，建立了由全球权威医学专家组成的美日名医集团，初个拥有日本政府官方颁发的海外医疗资格的企业。如果您有海外就医的需要，请拨打免费热线400-086-8008进行咨询！

本文由厚朴方舟编译，版权归厚朴方舟所有，转载或引用本网版权所有之内容须注明"转自厚朴方舟官网（www.hopenoah.com）"字样，对不遵守本声明或其他违法、恶意使用本网内容者，本网保留追究其法律责任的权利。