在咨询机器学习工具后，提供者能够更准确地确定患者是否对化疗有完全反应。在一项小型但多机构的研究中，基于人工智能的系统改进了提供者对膀胱癌患者在根治性膀胱切除术(膀胱切除手术)之前是否对化疗有完全反应的评估。

然而研究人员警告说，人工智能不能替代人类专业知识，也不应该使用他们的工具。

“如果你巧妙地使用该工具，它可以帮助你，” Lubomir Hadjiyski 博士说。密歇根大学医学院放射学教授，该研究的资深作者。

当患者患上膀胱癌时，外科医生通常会切除整个膀胱，以防止癌症复发或扩散到其他器官或区域。然而，更多的证据表明，如果患者在化疗后疾病的证据为零，则可能不需要手术。

然而，很难确定治疗后留下的病变是否只是由于治疗而坏死或留下疤痕的组织，或者癌症是否仍然存在。研究人员想知道人工智能是否可以提供帮助。

“最大的问题是，当你身边有这样一个人造设备时，它会对医生产生什么影响?” 哈吉斯基说。“会有帮助吗?会不会让他们感到困惑?它会提高他们的表现，还是他们会忽略它?”

来自不同专业的 14 名医生(包括放射科、泌尿科和肿瘤科)以及两名研究员和一名医学生研究了 157 例膀胱肿瘤的治疗前和治疗后扫描。提供者对评估对化疗反应水平的三项措施进行了评分，并对每位患者的下一步治疗(放射或手术)提出了建议。

然后提供者查看计算机计算的分数。较低的分数表明对化疗完全反应的可能性较低，反之亦然。提供商可以修改他们的评级或保持不变。将他们的最终评级与膀胱切除手术期间采集的肿瘤样本进行比较，以衡量准确性。

在不同的专业和经验水平上，提供者看到他们使用 AI 系统的评估有所改进。经验较少的人获得的收益更多，以至于他们能够做出与有经验的参与者相同的诊断水平。

“这是该研究的独特部分，它显示了对观众的有趣观察，”哈吉斯基说。

该工具对学术机构的提供者的帮助超过了那些在医疗中心工作的人，他们只专注于临床护理。

该研究是 NIH 资助项目的一部分，该项目由 Hadjiyski 和 UM 内科副教授Ajjai Alva 医学博士领导 ，旨在开发和评估基于生物标志物的膀胱癌治疗反应决策支持工具。

Hadjiyski 说，在进行基于人工智能的研究以评估不同类型的癌症及其治疗反应的二十多年期间，他观察到机器学习工具可以作为辅助医生做出决策的第二意见，但它们可以也会犯错误。

“我们发现一个有趣的事情是，计算机在与放射科医生不同的病例子集上犯错误，”他补充说。“这意味着，如果正确使用该工具，它就有机会改进但不能取代医生的判断。”