团队创建了一个集成式深度学习模型,能够整合利用其他各种不同模型来提高诊断的准确性并减少误差,然后利用公开的数据库,包含癌症组织病理学数据库(BCHD)储存的恶性和良性乳腺组织的图像,对这些模型进行训练。
团队表示,他们新开发的AI系统会查看高分辨率图像,并从历史数据中学习如何识别癌症并进行诊断。该系统在活检中几乎不会错过一个肿瘤,在连续诊断多人后也能保持稳定性能,不会因疲劳而影响准确性。理想情况下,该系统不仅能帮医生更快、更准确地识别患者,而且有助于催生新的AI模型,用于诊断那些缺乏患者数据的罕见癌症。
今年初,该团队曾推出一款能更快、更准确地诊断出前列腺癌的AI工具。他们希望在这些系统的基础上,创建出一个更大的系统,让医生能借助这些创新的AI技术诊断出一系列癌症。研究人员表示,新工具将“重新定义数字病理学”。