美国纽约大学医学院研究人员报告的一项新的人工智能/机器学习程序可以分析患者的肺癌肿瘤图像，确定肿瘤类型，甚至确定驱动因素基因异常。
研究发现，人工智能判断是腺癌还是鳞状细胞癌的准确率高达97%，即使是经验丰富的病理学家有时在不进一步检查的情况下也很难给出诊断。
这种人工智能还可以确定6种肺癌相关基因是否存在异常，包括EGFR、KRAS和TP53。
可能这些基因改变或突变可以导致肿瘤生长异常，也可以改变细胞形态以及与周围环境的相互作用，这可能为自动机器分析提供图像线索。
随着针对特定基因突变的靶向药物的应用越来越广泛，特异性基因检测变得非常重要。
大约20%的腺癌患者有EGFR突变。
目前有多种已获批准的药物可用于针对 EGFR 突变。
。
然而，目前识别这些突变的基因测试通常需要几周的时间才能返回测试结果，从而延误了抗肿瘤治疗。
研究表明，人工智能可以非常快速地提供肿瘤类型、基因突变类型等信息，让患者尽早开始靶向治疗。
研究人员设计了统计方法，以便他们的程序能够学习如何更好地完成指令。
这些程序建立规则和算法模型，以根据数据样本做出决策。
训练数据越多，程序就会变得越智能。
研究人员使用谷歌的Inception v3分析人类基因组图谱数据库中肿瘤诊断的成像数据，并确定他们的人工智能程序可以准确、自动地区分正常组织和癌症组织。
有趣的是，研究人员发现，人工智能判断错误的少数肿瘤也被病理学家错误诊断，这表明这些肿瘤本身很难判断。
在至少一名病理学家误判的 54 例病例中，人工智能正确诊断了 45 例，这表明人工智能非常强大。
研究人员目前计划继续对他们的人工智能程序进行数据训练，直到它能够以超过90%的准确率识别基因突变，届时研究人员就可以申请政府批准人工智能在多种肿瘤中的临床应用。
其应用价值。