研究人員開發了一種人工智慧模型，它可以透過檢查切除組織的乳房X光照片，即時預測外科醫生在乳癌手術中是否切除了所有癌組織。該模型的表現與人類醫生不相上下，甚至更好。

早期乳癌的首選治療方法是乳房保留手術，即乳房部分切除術，並結合放射治療。手術中必須切除所有癌症乳房組織，以防止癌症復發。檢查的方法是檢查切除組織的外緣，確保不含癌細胞，即”陰性邊緣”。

對組織進行乳房X 光照相術（標本乳房X 光照相術）是確保陰性邊緣的廣泛手段，因為它可以在手術室內進行，並能提供即時回饋。然而，乳房標本造影可能不準確，如果後來發現癌細胞，就需要進一步手術切除更多組織。

北卡羅來納大學（UNC）醫學院的研究人員開發了一種人工智慧模型，可以即時預測乳癌手術中癌症組織是否已完全切除。

研究的通訊作者之一克里斯塔琳-加拉格爾（Kristalyn Gallagher）說：「有些癌症你能感覺到，也能看到，但我們看不到可能存在於切除組織邊緣的微小癌細胞。其他癌症則完全是微觀的。這種人工智慧工具可以讓我們更準確地即時分析手術切除的腫瘤，並增加手術中切除所有癌細胞的機會。這將避免患者再次接受第二次或第三次手術。”

為了向人工智慧模型”傳授”陰性和陽性邊緣是什麼樣的，研究人員使用了切除術後立即拍攝的821張標本乳房X光影像，並與病理學家的最終標本報告相符。超過一半（53%）的圖像邊緣呈陽性。他們還向模型提供了患者的人口統計數據，如年齡、種族、腫瘤類型和腫瘤大小。

用於教授人工智慧模型的陰性和陽性標本乳房X 射線照相影像範例Chen 等人/UNC Health

他們發現，人工智慧模型的靈敏度為85%，特異性為45%，接收者工作特徵曲線下面積(AUROC) 為0.71。靈敏度衡量的是模型檢測陽性實例的能力，而特異性衡量的是模型正確識別的真正陰性實例的比例。AUROC 衡量模型的整體效能，提供一個介於0 和1 之間的值，其中0.5 表示隨機猜測，1 表示完美效能。

研究人員表示，與人類解讀的準確性相比，人工智慧模型的表現與人類不相上下，甚至更好。從這個角度來看，先前的研究發現，乳房標本成像的靈敏度在20% 到58% 之間，AUROC 在0.60 到0.73 之間。

該研究的第一作者凱文-陳（Kevin Chen）說：「思考人工智慧模型如何利用電腦視覺支援醫生和外科醫生在手術室中的決策是一件有趣的事情。我們發現，人工智慧模型在辨識陽性邊緣方面與人類不相上下，甚至略勝一籌”。

此模型有助於識別乳房密度較高患者的邊緣。在乳房X光照片上，密度較高的乳房組織和腫瘤都呈現為亮白色，因此很難區分健康組織和癌變組織。

研究人員說，他們的人工智慧模型可用於資源較少的醫院，如專科外科醫生、放射科醫生或病理學家，以便在手術室中做出快速、明智的決定。

共同通訊作者肖恩-戈麥斯（Shawn Gomez）說：”這就像是為那些可能沒有現成專業知識的醫院提供了一層額外的支持。外科醫生可以得到在成百上千張圖像上訓練出來的模型的支持，而不是做出最佳猜測，並能立即得到手術反饋，從而做出更明智的決定。”

此人工智慧模型仍處於早期階段，研究人員將繼續以更多的乳房X 光影像進行訓練，以提高其辨別邊緣的準確性。在應用於臨床之前，該​​模型還需要進一步的研究驗證。

這項研究發表在《腫瘤外科年鑑》（Annals of Surgical Oncology）雜誌上。