人工智能(AI)和机器学习工具最近受到了很多关注，大多数讨论都集中在正确使用上。然而，这项技术有广泛的实际应用，从预测自然灾害到解决种族不平等问题，现在，辅助癌症手术。

　　北卡罗莱纳大学外科学系、北卡罗莱纳大学-北卡罗莱纳大学联合生物医学工程系和北卡罗莱纳大学莱恩伯格综合癌症中心之间建立了一项新的临床和研究合作伙伴关系，创建了一个人工智能模型，可以预测乳腺癌手术期间癌组织是否已从体内完全移除。他们的研究结果发表在《外科肿瘤学年鉴》上。

　　“有些癌症你可以感觉到和看到，但我们看不到可能存在于被切除组织边缘的微观癌细胞。其他癌症完全是微观的，”资深作者Kristalyn Gallagher说，她是外科肿瘤学部门的乳房外科主任，也是UNC Lineberger成员。“这种人工智能工具将使我们能够更准确地实时分析手术切除的肿瘤，并增加在手术过程中切除所有癌细胞的机会。这将避免让病人回来做第二次或第三次手术。”

　　Kristalyn Gallagher, DO

　　在手术过程中，外科医生将切除肿瘤(也称为标本)，并取少量周围的健康组织，试图切除乳房中的所有癌症。然后用乳房x光机拍摄标本，并由团队检查以确保异常区域被去除。然后将其送到病理学处进行进一步分析。

　　病理学家可以确定癌细胞是否延伸到标本的外缘，还是病理边缘。如果癌细胞存在于切除组织的边缘，则有可能在乳房中仍然存在额外的癌细胞。外科医生可能需要进行额外的手术来切除额外的组织，以确保癌细胞被完全切除。然而，这可能需要手术后长达一周的时间才能完全处理，而标本乳房x光检查或用x射线拍摄标本可以在手术室立即完成。

　　为了“教”他们的人工智能模型什么是正边缘和负边缘，研究人员使用了数百张乳房x光照片标本，并与病理学家的最终标本报告相匹配。为了帮助他们的模型，研究人员还收集了患者的人口统计数据，如年龄、种族、肿瘤类型和肿瘤大小。

　　Kevin Chen，医学博士

　　在计算了模型预测病理边缘的准确性后，研究人员将这些数据与人类解释的典型准确性进行了比较，发现人工智能模型的表现与人类一样好，甚至更好。

　　“想想人工智能模型如何利用计算机视觉在手术室里支持医生和外科医生的决策，这很有趣，”第一作者、外科普通外科住院医师凯文·陈(Kevin Chen)医学博士说。“我们发现，人工智能模型在识别正边际方面与人类相当，甚至略高于人类。”

　　根据Gallagher的说法，该模型在识别乳腺密度较高的患者的边缘时尤其有用。在乳房x光照片上，高密度的乳腺组织和肿瘤呈现明亮的白色，这使得很难区分癌症的结束和健康乳腺组织的开始。

　　类似的模型对资源较少的医院也特别有帮助，因为这些医院可能没有专业的外科医生、放射科医生或病理学家在手术室里做出快速、明智的决定。

　　肖恩·戈麦斯，工程学博士

　　生物医学工程和药理学教授、该论文的共同资深作者肖恩·戈麦斯(Shawn Gomez)说:“这就像在医院里增加了一层额外的支持，这些医院可能没有现成的专业知识。”“外科医生不必做出最好的猜测，而是可以得到一个经过数百或数千张图像训练的模型的支持，并获得有关手术的即时反馈，从而做出更明智的决定。”

　　由于该模型仍处于早期阶段，研究人员将继续添加更多患者和不同外科医生拍摄的更多照片。在临床应用之前，该模型需要在进一步的研究中得到验证。研究人员预计，随着他们对正常组织、肿瘤和边缘的外观了解的更多，他们的模型的准确性将随着时间的推移而提高。