由Elmore领导的2015年的一项研究发现，病理学家对乳腺活检的解释常常存在分歧。

“乳腺活检的医学图像包含大量复杂的数据，解释它们可能是非常主观的，”Elmore说。区分乳腺非典型性与导管原位癌在临床上是很重要的，但对病理学家来说是很有挑战性的。有时，医生在一年后诊断同一个病例时，甚至不同意他们先前的诊断。

而这种人工智能新系统可以帮助解释用于诊断乳腺癌的医学图像，它与经验丰富的病理学家做得几乎一样准确甚至更好。

研究小组将240张乳腺活检图像输入电脑，训练它识别与多种乳腺病变相关的模式，从良性(非癌变)、非典型性到导管原位癌，再到浸润性乳腺癌。

为了测试该系统，研究人员将其读数与由87名美国执业病理学家进行的独立诊断进行了比较。

虽然人工智能项目在区分癌症和非癌症病例方面接近于人类医生的表现，但人工智能程序在区分DCIS和非典型性方面的表现优于医生，后者被认为是乳腺癌诊断中的最大挑战。

“这个结果非常令人鼓舞，”Elmore说。美国执业病理学家在诊断非典型性和导管原位癌方面的准确率很低，基于计算机的自动化方法显示出了很大的前景。