埃默里大学和西北大学的研究人员已经开发了人工智能软件，该软件可以通过分析组织活检的数字图像来预测诊断为脑胶质瘤（一种致命的脑肿瘤）的患者的生存。
　　考虑到预后不良，能够在诊断时预测神经胶质瘤的病程至关重要。根据胶质瘤在显微镜下的外观，胶质瘤可分为低级或高级。问题在于显微镜检查是非常主观的，不同的病理学家经常提供不同的解释。
　　但是，研究人员使用深度学习来训练软件，以使用脑肿瘤组织样本的图像来学习与患者生存相关的视觉模式。他们发现，当使用数字图像和基因组数据对软件进行培训时，他们对患者无法诊断的存活时间的预测比人类病理学家的预测更为准确。
　　“我们的方法优于使用脑肿瘤，并提出分类为患者的治疗效果的客观，准确，综合预测创新的方法，目前临床标准人类专家的预测准确性”的中总结作者的文章在本周出版的论文集国家科学院。
　　网络的工作方式是向我们显示图像和患者的生存状况（作为输入和输出对），并通过反复执行该过程，学习图像与患者临床结果之间的关系。
　　此外，研究人员还演示了使用可视化技术的方法，该软件可学会识别病理学家在显微镜下进行检查并对脑肿瘤进行分级时所使用的组织中的许多相同结构和样式。国家癌症研究所的癌症基因组图谱项目产生的公共数据被用来开发和评估该算法。
　　Cooper补充说：“预后取决于基因组学和组织学，因此拥有一个统一的框架以获取病理部门的所有数据并做出这些预测至关重要。” Cooper补充说，他也是Winship Cancer Institute的成员。“我们希望做的是找出可以从更具攻击性的治疗中受益的患者，并避免在没有益处但有明显副作用的地方避免使用治疗。”
　　他说，展望未来，研究人员正在计划未来的研究，以评估该软件是否可以用于改善新诊断的神经胶质瘤患者的预后，并着眼于临床试验。
　　“最终目标是使用该软件为医生提供更准确和一致的信息。我们希望确定可以延长治疗寿命的患者。”库珀总结道。病理学家用显微镜做的事情真是太神奇了。算法可以学习类似的复杂技能是出乎意料的结果。这更多地证明了AI将对医学产生深远的影响，我们可能会比预期的早得多。”
　　尽管如此，他承认，能够解释算法的工作方式仍然是其在临床上采用的关键障碍。“问题在于它们非常复杂，因此不能真正地对其进行典型的数学分析，因此您必须使用可视化之类的技术来了解它们的作用。”