教育新闻网人工智能(AI)领域始于1950年代的国防工业，并且经过多年的发展。在2010年代，引入了新的基于计算机的“深度学习”的方法是显著加速领域。医师科学家正在医学领域中使用该技术来改进诊断方法。一个这样的研究者PCF资助的研究者比阿特丽斯努森博士的Cedars-Sinai医疗中心在洛杉矶生物医学和病理学与病理转化主任教授。她是世界领先的病理研究人员之一，也是从组织标本诊断前列腺癌和其他疾病的专家。
2014年，Knudsen博士及其团队开始在研究中应用高级AI工具(机器学习和深度学习)。该团队旨在回答关键问题，包括：
计算机可以学习在病理切片中识别前列腺癌吗?
计算机可以预测现有或将来发生前列腺癌转移的风险吗?
当您想到诊断癌症时，您可能会想到带有规则模式(在良性组织中)的粉红色和紫色载玻片与癌细胞“看上去很生气”的不规则模式。如今，数字病理已被用作诊断工具：FDA已经批准了数字病理载玻片扫描仪和监视器用于数字报告。这意味着病理学家不再需要通过显微镜窥视，而是可以在计算机屏幕上查看幻灯片并根据计算机监视器上显示的图像制定报告。
用于诊断前列腺癌的相同幻灯片也可以用于训练计算机算法。Knudsen博士及其团队正以前列腺穿刺活检幻灯片的图像为起点，开发用于数字化诊断前列腺癌的机器学习和AI算法。这种计算机辅助的诊断技术将使计算机能够为那些最有可能患癌症的人预先筛选幻灯片。病理学家将能够检查和确认计算机选择的图像，因为它们具有很高的癌症发生几率。Memorial Sloan Kettering癌症中心发表的一项研究表明，计算机辅助诊断可以帮助病理学家将时间集中在活检中最关键的组织块上。
最近在数字计算病理学方面已经取得了很多进展。处理单个载玻片的速度已从2015年的约8小时显着提高到2018年的不到1分钟。最近的研究描述了一种基于计算机的工具，该工具能够以〜99%的准确度诊断前列腺癌。由加州大学洛杉矶分校(UCLA)的克努森(Knudsen)博士和伊斯拉·加拉韦(Isla Garraway)博士领导的由PCF资助的挑战奖团队正在研究是否可以训练计算机算法来识别前列腺癌，这些前列腺癌会基于原发性肝癌的特定特征而变得致命。肿瘤。结果表明，来自活检幻灯片的分数可以预测诊断时的肿瘤分期。
