根据Adewole Adamson和Gilbert Welch 最近在《新英格兰医学杂志》上发表的文章观点，使用人工智能可能会提高癌症诊断的速度和一致性，但也可能加剧过度诊断的问题。通过克服“癌症”和“非癌症”之间的二分分类，可以减轻风险。
人工智能将从病理学家定义为“癌症”或“非癌症”的图像集开始学习并生成决策算法。“计算机系统通过根据病理解释的外部标准来学习”德克萨斯大学戴尔医学院内科助理教授亚当森解释说。“但是，依赖于这种外部标准是有问题的，因为机器学习不能解决与癌症诊断相关的核心问题：缺乏组织病理学金标准。”
这个问题没有一个正确的答案：“什么样的组织结构称得上癌症?”实际上，一些微小的细胞异常可能符合癌症的病理学定义，但注定不会引起症状或死亡。由于AI允许以更快，更便捷的方式分析图像，因此可能鼓励临床医生进行更多检查，从而增加了过度诊断的可能性。
波士顿布里格姆妇女医院布里格姆外科和公共卫生中心的高级研究员吉尔伯特·韦尔奇(Gilbert Welch)建议说：“缓解这一问题的一种方法是利用有关病理学分歧的信息。”
根据病理学家组成的专家小组的判断标准，可以训练AI进行3类区分：1，确认癌症存在;2，确认癌症不存在;3，不确定癌症是否存在。当出现3类情况时，需要病理学家进一步关注。
作者总结说：“最终，对患者和临床医生而言重要的是癌症的诊断与寿命的长短或质量有关。我们认为，在广泛采用这项技术之前，应该认真考虑对机器学习算法进行培训以识别“癌症”和“非癌症”之间的中间类别的可能性。”
