研究人員在達特茅斯-希契科克醫療中心 已經創建了分類肺癌幻燈片同樣三個病理學家發表在科學報告的一項小型研究如何做一個深刻的學習模式。該模型自動對肺癌樣本中的組織學類型進行分類，以幫助醫生快速確定最適合患者的治療方法。研究人員已經在系統上產生了早期的證實數據，現在計劃在其他醫療中心的臨床環境中對該技術進行測試。

　　研究人員在達特茅斯-希契科克醫療中心 已經創建了分類肺癌幻燈片同樣三個病理學家發表在科學報告的一項小型研究如何做一個深刻的學習模式。該模型自動對肺癌樣本中的組織學類型進行分類，以幫助醫生快速確定最適合患者的治療方法。研究人員已經在系統上產生了早期的證實數據，現在計劃在其他醫療中心的臨床環境中對該技術進行測試。

　　肺癌的組織學模式分類是治療途徑中關鍵但棘手的步驟。預后，生存和治療均與分類有關。然而，定性評估標準和具有多種組織學模式的個體患者的優勢使得很難對樣本進行分類，這可能導致病理學家之間存在很大分歧。

　　一項研究發現，肺部病理學家之間的一致程度達到中度至良好水平，對kappa評分的衡量標準為從0(表示不達成一致)到1(表示絕對一致)。在那項研究中，卡帕得分高達0.72，但對疑難病例的其他評估得出的結果卻低至0.24，這表明審查幻燈片的專業肺部病理學家之間幾乎沒有一致意見。

　　達特茅斯(Dartmouth)團隊最近評估了深度學習模型是否可以幫助推動該領域的發展。該模型使用設計為學會識別癌細胞區域并匯總這些分類以推斷載玻片上存在的組織學模式的計算機系統。在對279張全幻燈片圖像進行訓練和開發后，該團隊在同一醫療中心拍攝的143張幻燈片上對其進行了測試。該模型的Kappa得分為0.525，與三位病理學家對主要模式進行分類的一致性為66.6%。在三位病理學家中，這一數字略低，分別為0.485和62.7%。

　　研究結果使研究人員得出結論，該模型“在統計學上與病理學家在所有評估指標上均相媲美”。由于該模型可以快速產生結果，因此研究人員認為可以將其集成到實驗室信息管理系統中，并提出模式診斷，或者根據模型的分析自動觸發基因測試請求。

　　為了完全兌現這一諾言，研究人員將需要證明該模型在測試環境之外有效。值得注意的是，培訓和測試使用了來自單個醫療中心的圖像。先前的研究表明，將該模型應用于其他設施捕獲的圖像時，效果可能較差。達特茅斯大學的研究人員已將其他團隊定位在外，以通過公開發布代碼來找出模型在外部數據集上的表現。肺癌的組織學模式分類是治療途徑中關鍵但棘手的步驟。預后，生存和治療均與分類有關。

　　然而，定性評估標準和具有多種組織學模式的個體患者的優勢使得很難對樣本進行分類，這可能導致病理學家之間存在很大分歧。一項研究發現，肺部病理學家之間的一致程度達到中度至良好水平，對kappa評分的衡量標準為從0(表示不達成一致)到1(表示絕對一致)。在那項研究中，卡帕得分高達0.72，但對疑難病例的其他評估得出的結果卻低至0.24，這表明審查幻燈片的專業肺部病理學家之間幾乎沒有一致意見。

　　達特茅斯(Dartmouth)團隊最近評估了深度學習模型是否可以幫助推動該領域的發展。該模型使用設計為學會識別癌細胞區域并匯總這些分類以推斷載玻片上存在的組織學模式的計算機系統。在對279張全幻燈片圖像進行訓練和開發后，該團隊在同一醫療中心拍攝的143張幻燈片上對其進行了測試。該模型的Kappa得分為0.525，與三位病理學家對主要模式進行分類的一致性為66.6%。在三位病理學家中，這一數字略低，分別為0.485和62.7%。

　　研究結果使研究人員得出結論，該模型“在統計學上與病理學家在所有評估指標上均相媲美”。由于該模型可以快速產生結果，因此研究人員認為可以將其集成到實驗室信息管理系統中，并提出模式診斷，或者根據模型的分析自動觸發基因測試請求。

　　為了完全兌現這一諾言，研究人員將需要證明該模型在測試環境之外有效。值得注意的是，培訓和測試使用了來自單個醫療中心的圖像。先前的研究表明，將該模型應用于其他設施捕獲的圖像時，效果可能較差。達特茅斯大學的研究人員已將其他團隊定位在外，以通過公開發布代碼來找出模型在外部數據集上的表現。