Radboud大学医学中心的研究人员开发了一个“深度学习”系统，在确定前列腺癌的侵袭性方面比大多数病理学家更有效。使用组织样本进行诊断的人工智能系统将根据1200多名前列腺癌患者的数据进行自我诊断。据国外就医服务机构携康国际了解到，目前，Radboud的团队正与瑞典Karolinska研究所和谷歌子公司kaggle的研究人员合作，继续在重大国际比赛中开发这些方法。 　　前列腺癌是一种常见的癌症，但并不总是侵袭性的。然而，前列腺癌的治疗对患者的生活质量有着重要的影响，因此确定前列腺癌的侵袭性是一个重要的步骤。为了确定癌症的侵袭性，组织(活检)从前列腺中取出，并由病理学家评分。然后用“Gleason评分”将活检样本分为5组-Gleason分级组-显示死于前列腺癌的风险。但这是一个主观的过程，是否以及如何治疗患者取决于评估组织的病理学家。
　　Radboudumc的研究人员已经开发出一种纯人工系统，可以像病理学家一样检查活检。人工智能系统还确定了Gleason评分，然后系统可以根据Gleason评分组对活检进行分类。通过深入学习，该系统检查了数千次活检，以了解什么是健康的前列腺和什么样的侵袭性前列腺癌组织。
　　研究人员沃特布尔滕描述了这一过程：“现在我们已经对人工智能系统进行了培训，对1200多名患者进行了5759次活检。当我们将该算法的性能与来自不同国家和不同经验水平的15名病理学家进行比较时，我们的系统性能优于其中的10名，与经验丰富的病理学家相当。”这种计算机系统的另一个优点是它是一致的，可以在任何地方使用;病人的治疗将不再依赖于病理学家对组织的观察。
每年全球有120万男性被诊断出患有前列腺癌，因此人工智能诊断系统的开发对于许多研究小组和公司而言都很有趣“我们是一家学术医院，这是有利的，”布尔滕说我们与病人和医生关系密切，我们有自己的活检数据库。”接下来，尼米森大学医学中心的研究小组和来自kaggle的研究人员，卡罗林斯卡学院和谷歌在瑞典的一家分院，专门从事数据科学竞赛，他们希望举办一场国际竞赛，参赛者试图击败radboudoudc算法。比赛结果将用于改进算法。
深度学习是一个术语，用来描述以类似于我们大脑工作方式的方式学习的系统。它由电子“神经元”网络组成。每个网络学习识别所需图像的一个方面。它遵循边干边学的原则，实践使之完善。这个系统正在接收越来越多的图像，包括相关信息，比如——在这种情况下——这是否是癌症，如果是，格里森的分数是多少。然后，系统学习识别哪些特征属于癌症，看到的图片越多，就越能在未确诊的图像中识别出这些特征。这些系统的一个主要优点是，它们的学习速度比人类快得多，可以一天24小时工作。
　　国外就医服务机构携康国际看到，目前，由Wouter bulten，Geert Litjens等人撰写的Nijmegen研究已经发表在《柳叶刀肿瘤学》上