机器学习模型与影像科医生的诊断能力对比。紫色三角形和绿色正方形分别代表六名影像科医生的诊断能力，红色圆点代表影像科医生的平均诊断能力，蓝色实线代表机器学习模型的诊断能力，红色圆点在蓝色实线的右下方表示机器学习模型的诊断能力高于影像科医生的平均诊断能力。

“谈癌色变”，提起卵巢癌（恶性卵巢肿瘤）就让人害怕不已，这也是世界范围内的第五大致死癌症，恶性上皮性卵巢肿瘤占据所有卵巢癌的90%。相比于恶性上皮性卵巢肿瘤，交界性上皮性卵巢肿瘤的恶性潜能较低，具有较好的预后，五年生存率分别为40%和97%。因此，术前准确区分两者将有助于实施精准治疗，节省医疗资源，提升患者的术后生活质量。

近日，中国科学院苏州生物医学工程技术研究所（以下简称苏州医工所）科研团队与复旦大学附属金山医院科研团队合作，联合我国华东、华南、华北等八家三甲医院，研发出一种新的卵巢癌无创诊断方法，让医疗人员仅利用患者的核磁共振图像就可对卵巢癌分类进行精准判断。

此次，研究团队率先将人工智能技术运用到卵巢癌患者的影像学诊断中。科研人员共收集两大类、共501名卵巢癌患者的核磁影像资料，通过机器学习方法筛选特征并构建模型，最终形成一套智能卵巢癌无创诊断的新方法。将新方法得出的机器诊断结论与六位从业2年~13年影像科医生的诊断比对，结果显示，医生平均诊断准确度为79.5%，机器平均诊断准确度达到91.7%。新方法诊断精度已明显高于人工。

苏州医工所研究员高欣表示，把人工智能和影像学诊断结合，改变了以往人工读片诊断的思路。新方法不仅能在临床上辅助医生，提高卵巢癌诊断的准确性，还能提示哪些要素对形成诊断最具价值，帮助医生提高影像检查的效率。

相关论文信息：https://doi.org/10.1002/jmri.27084