Understanding Human AI Discrepancy in Breast Cancer TIL Assessment: A Multi-Rater and Perceptual Bias Study
这项研究表明，尽管病理学家在乳腺癌肿瘤浸润淋巴细胞（TIL）评估方面具有高度的一致性，但病理学家与人工智能模型之间存在显著差异，这表明人工智能的整合仍需进一步完善以匹配人类的可靠性，尤其是在使用多分类而非二分阈值的情况下。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
大局观：清点微小的入侵者
想象一下，乳腺癌细胞是一座堡垒。在这座堡垒的围墙内，有许多被称为淋巴细胞（一种免疫细胞）的微小“入侵者”。医生们称之为肿瘤浸润淋巴细胞（TILs）。
把 TILs 想象成正在与癌症战斗的“好人”。你看到的这些“好人”越多，患者的生存机会和对治疗的反应就越好。为了弄清这一点，病理学家（专门观察显微镜载玻片的医生）必须估算在癌细胞周围的空间中，这些微小入侵者占据的百分比是多少。
问题所在：人类不擅长估算人群
这项研究始于一个已知的问题：当物体分散分布时，人类很难准确猜测数字。
想象你正看着一个装满软糖豆的罐子。如果它们都挤在一个角落里，你可以很容易地猜出数量。但如果软糖豆均匀地散布在整个罐子里，你的大脑就会感到吃力。你可能会猜是 20%，但实际是 40%，反之亦然。这正是医生观察癌症载玻片时的情景。即使有严格的规则，两个不同的医生在观察同一张载玻片时，给出的答案往往也不同，因为他们的大脑处理“分散的点”的方式各异。
实验：人类 vs. 机器人
研究人员想看看人工智能（AI）是否能比人类做得更好。他们设计了一个“口味测试”，参与者包括三位人类病理学家和两个不同的 AI 模型（我们暂且称之为机器人 A 和机器人 B）。
他们给了所有人完全相同的乳腺癌显微镜载玻片，并要求他们计算“入侵者”（TILs）的百分比。
以下是他们的发现：
1. 人类之间达成了一致
当这三位人类医生观察载玻片时，他们大多意见一致。他们的评分非常接近。
- 类比： 这就像三位经验丰富的厨师在品尝一锅汤。他们可能使用的勺子大小不同，但对于这锅汤是“有点咸”还是“非常咸”，他们都能达成共识。
2. 机器人与人类存在分歧
当研究人员将医生与机器人进行对比时，一致性显著下降。机器人的结果与人类的结果经常大相径庭。
- 转折点： 机器人并不只是“随机”出错。它们有一个特定的习惯：它们始终低估了入侵者的数量。
- 类比： 想象医生说：“这个罐子有 40% 被软糖豆填满了。”而机器人说：“不，只有 25%。”机器人看着同一个罐子，却看到了比人类更少的豆子。
3. 机器人擅长“排序”，但不擅长“计数”
尽管机器人在给出的数字上并不准确，但它们在理解顺序方面表现得相当出色。
- 类比： 如果你有三个装有软糖豆的罐子（小、中、大），机器人可以正确地告诉你哪一个是最小的，哪一个是最大的。然而，当被问到每个罐子里究竟有多少颗豆子时，它们的回答却偏差很大。
- 数据： 研究表明，虽然机器人和人类在确切的百分比上无法达成一致，但在判断哪些病例中淋巴细胞更多或更少方面，他们是一致的。
4. 为什么会有差异？（“拥挤房间”效应）
研究人员想知道为什么机器人和人类会有分歧。是机器人坏掉了吗？还是人类的大脑本身存在缺陷？
为了查明原因，他们做了一个特别的对照实验。他们向医生展示了一些简单的黑白图片，即在黑色背景上散布着白色圆点（模拟淋巴细胞）。医生必须猜测图片中有多少百分比是白色的。
- 结果： 即便是面对这些简单的圆点，医生的猜测也表现得极不稳定。他们的猜测与真实数值之间存在巨大的波动。
- 结论： 这种分歧不仅仅是因为机器人不好。而是因为人类的大脑很难通过视觉来估算分散的点。 机器人实际上是在进行非常精确的“像素计数”，而人类则是在使用他们的“视觉直觉”，而这种直觉是容易出错的。
核心结论
研究得出结论：
- 人类之间具有一致性： 医生们通常对载玻片的“整体感觉”能达成共识。
- 机器人很精确，但对人类感知“视而不见”： 机器人能完美地数出每一个点，但它们得出的总数与人类不同，因为人类看待分散的点的方式不同。
- 目前的机器人倾向于低估： AI 模型给出的免疫细胞数量往往比医生认为的要少。
底线：
目前，AI 就像一个超级精确的计算器，在数着沙滩上的每一粒沙子，而人类医生则是一个看着沙滩并猜测体积的人。他们看的是同一个沙滩，但得出的数字却不同。在我们可以信任 AI 取代医生之前，AI 需要经过“校准”，以理解人类视觉是如何看待这些分散细胞的；或者，医生需要学会信任机器人精确的计数，而不是依赖自己的视觉直觉。
注：论文强调，这项研究是对 AI 与人类医生匹配程度的测试，而非测试 AI 是否已经准备好投入医院临床使用。在将其用于实际患者护理之前，还需要进行更多工作来解决“低估”的问题。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。