新传媒网想象一下，你是一名医生，有一位早熟的住院医生永远陪伴在你身边，让你对疾病有深入的了解，并帮助你为病人确定最佳的治疗路径。
Salesforce Research 的一个团队认为，由于人工智能视觉技术和机器学习领域取得了一系列令人兴奋的发展，这种情况比您想象的更接近现实。
乳腺癌发病率呈上升趋势
乳腺癌每年影响全球超过 200 万女性，在美国，大约八分之一的女性在一生中患上乳腺癌。2018 年，美国新增 2,550 例男性乳腺癌病例。令人担忧的是，全球几乎每个地区的乳腺癌发病率都在增加。
Salesforce Research 与埃里森研究所合作开发了 ReceptorNet，这是一种深度学习算法，可以确定激素受体状态(临床医生在决定乳腺癌患者适当治疗路径时的关键生物标志物)，具有出色的灵敏度和特异性。
虽然使用人工智能来尝试改善乳腺癌患者的治疗结果并不新鲜，但迄今为止的努力(例如谷歌的人工智能乳腺癌筛查工具)主要集中在诊断癌症上。
ReceptorNet 的独特之处在于它专注于改善乳腺癌患者的治疗决策方式。具体来说，ReceptorNet 从廉价且普遍存在的组织图像中预测激素受体状态。这与当前的护理标准形成鲜明对比，当前的护理标准既需要更昂贵、不太广泛使用的组织图像，也需要训练有素的病理学家来审查这些图像。
至关重要的是，由于与目前美国等国家普遍使用的系统相比，它是一种更便宜、更快捷的确定激素受体状态的方法，因此它可能有助于使乳腺癌治疗的高质量决策更容易实现——让全球患者能够获得无论其医疗保健系统拥有多少专业知识，都可以获得最佳的治疗途径。
