由Elmore領導的2015年的一項研究發現，病理學家對乳腺活檢的解釋常常存在分歧。

“乳腺活檢的醫學圖像包含大量復雜的數據，解釋它們可能是非常主觀的，”Elmore說。區分乳腺非典型性與導管原位癌在臨床上是很重要的，但對病理學家來說是很有挑戰性的。有時，醫生在一年后診斷同一個病例時，甚至不同意他們先前的診斷。

而這種人工智能新系統可以幫助解釋用于診斷乳腺癌的醫學圖像，它與經驗豐富的病理學家做得幾乎一樣準確甚至更好。

研究小組將240張乳腺活檢圖像輸入電腦，訓練它識別與多種乳腺病變相關的模式，從良性(非癌變)、非典型性到導管原位癌，再到浸潤性乳腺癌。

為了測試該系統，研究人員將其讀數與由87名美國執業病理學家進行的獨立診斷進行了比較。

雖然人工智能項目在區分癌癥和非癌癥病例方面接近于人類醫生的表現，但人工智能程序在區分DCIS和非典型性方面的表現優于醫生，后者被認為是乳腺癌診斷中的最大挑戰。

“這個結果非常令人鼓舞，”Elmore說。美國執業病理學家在診斷非典型性和導管原位癌方面的準確率很低，基于計算機的自動化方法顯示出了很大的前景。