Google开发了一种可用来对前列腺癌进行分级的人工智能系统，能够精确地以Gleason分级方法，对较小的前列腺活体组织切片进行分类，以进行初步的癌症诊断，而实验结果显示，这个人工智能系统诊断的精确度，比经验一般的病理学家表现更好。
在美国约有九分之一的男性，一生中都曾患前列腺癌，但因为大部分的前列腺癌都是非恶性的，因此判断病患是否有其急迫性，需要承担手术和放射性治疗的风险，成为了一件具有挑战性的工作，特别是用来分级前列腺癌严重程度的Gleason分级方法，实际执行有其难度。
Gleason分级方法有助于病理学家评估前列腺癌患者，Gleason分级是根据显微镜上玻片所观察到的癌细胞，与正常细胞的相近程度做比较。进行Gleason分级依赖主观的视觉检查和评估，病理学家对于肿瘤的正确分级存在很大的分歧，因此Google在2018年的时候发布了一篇相关的研究，利用人工智能算法对大样本，也就是以手术切除的前列腺组织进行Gleason分级，帮助病患了解病情以及预后。
（图片来源／Wiki）
而Google现在将这项研究往前推进，要以Gleason分级对较小的前列腺活体组织切片进行分级，Google提到，因为活体组织切片是在前列腺癌护理初期进行，用来初步诊断癌症，并且决定癌症患者的治疗方式，比起真正的切除手术还要常执行。不过，因为切除的组织较少，而且组织截取和制备的过程，可能使样本出现变化，所以活体组织切片比手术样本更难分级。
Google开发了一个人工智能系统，对活体组织切片的各个区域进行分级，最后总结区域分级，产生整个活体组织切片的分级。
因为Gleason分级的复杂性，Google请了6位经验丰富的病理学家，合作评估这个新的人工智能系统。这些平均年资25年的专家，先对498个肿瘤样本进行Gleason分级，并接着请19位经验一般的病理学家再次进行Gleason分级，发现准确度只有58%，而Google新的人工智能系统，平均准确度却达到72%，Google提到，这个结果凸显了Gleason分级的困难度。不过仍有一些前列腺癌的样本过于模棱两可，连专家的意见也出现分歧，而Google提到，在这种情况下，深度学习系统的同意比率（Agreement Rate）和专家间的同意比率相当。
这一系列将人工智能用于前列腺癌诊断的研究显示，深度学习系统能够良好地支持专家诊断癌症，并且提升癌症医护的品质，Google提到，要使这个技术成为辅助工具，并且进一步用于临床上或是更大的病患群体，仍需要评估系统在诊断上的准确性与一致性，但实验结果已经证实，这项人工智能工具，可以协助进行病理学家的诊断工作，特别是在专业技能受限的情况下。
