國際生醫新聞

人工智慧 (AI) 的應用範圍越來越廣，在醫療層面上的「輔助診斷」也倍受期待。不過，在實驗室內建立起的模型，勢必得在現實世界中多加「磨練」。

西北醫學研究院 (Northwestern Medicine) 的科學家在一項刊登於《Modern Pathology》的新研究中表示，病理學家接受過廣泛的訓練，可以檢測、判斷出一名患者的組織樣本是否發生了所謂的「組織污染」，這種污染很容易「迷惑」AI 模型。

研究人員表示：「我們訓練人工智慧在非常乾淨的人工環境中分辨 "A" 和 "B"，但在現實生活中，人工智慧會看到各種它沒有訓練過的材料；當它看到這些材料時，錯誤就可能發生。」

在這項新研究中，科學家們訓練了 3 個 AI 模型來掃描胎盤組織的顯微切片，以便檢測血管損傷、估計胎齡，並對宏觀病變進行分類；此外，他們還訓練了第 4 個人工智慧模型，以偵測活檢組織中的前列腺癌。

當 AI 模型準備就緒後，科學家們讓每個模型接觸從其他切片中隨機取樣的小部分污染組織 (如膀胱、血液等)，以測試 AI 模型的反應。結果發現，4 種 AI 模型都過於關注組織污染，導致在診斷或檢測原本的目標 ─ 血管損傷、胎齡、病變和前列腺癌時，出現了錯誤。

研究人員解釋，「組織污染」是病理學家面臨的一個眾所周知的問題。病理學家每天要檢查 80 到 100 張樣本玻片，預計會看到 2-3 張有污染的玻片，但他們已經接受過訓練，可以適當忽略這些污染。AI 模型則必須決定哪些組織 (訊號) 需要關注、哪些應該忽略，如果它關注的是組織污染物，那麼它對正在受檢查的患者組織的關注度就會降低。然而，AI 模型對汙染物的關注度偏偏又很高，這表明它無法對生物雜質進行處理。研究人員表示，AI 模型開發者應該努力量化並改進這一問題。

一般而言，建立 AI 模型輔助診斷時，科學家必然會先以真實世界中另一群患者的資料來「挑戰」或「驗證」該 AI 模型，不少都取得不錯的結果。不過，值得注意的是，以前的病理學 AI 科學家雖然研究過許多不同類型的圖像偽影，如模糊、載玻片上的碎片、褶皺或氣泡，但此一研究還是他們第一次研究「組織污染」問題。看來，短期之內病理學家還是得為患者勞心勞力了！

延伸閱讀：《AI》FDA核准 AI 輔助診斷 Fibresolve 用於診斷「特發性肺纖維化」，可減少活檢41%
延伸閱讀：《醫療AI》Alto Neuroscience 利用人工智慧驅動的生物標記平台，為精神病患者匹配最適合的藥物！

資料來源：Medical Xpress、Northwestern Now News