在科学证据、药品审批和治疗指南迅速更迭的情况下，乳腺癌专家正在面临个体化治疗的挑战。例如，2017年10月，FDA批准了69种乳腺癌治疗药物，这还不包括联合治疗方案。大规模遗传和临床数据库与计算系统的发展将加速乳腺癌治疗的发展速度，缩短乳腺癌治疗指南更新的周期。除此之外，在临床实践中，如何管理这些乳腺癌治疗信息正面临挑战，也几乎没有时间来对其进行评估。

临床决策支持系统（CDSS）是帮助医生对临床决策提供支持的计算机程序。许多CDSS从人工智能（AI）和专家系统的早期工作中产生。为了给出临床建议，CDSS可让电脑模拟人类的推理来收集信息和给出建议。医疗中的AI系统一般关注于从非结构化数据（如文本（使用自然语言处理）或大型结构化数据集（使用机器学习方法））中获取信息。通过存储、索引和精选这些知识，AI系统随后使用计算推理方法将其应用于具体的病例中，产生治疗建议，然后再返回来为临床医生的决策提供评估。如今已经存在肿瘤界的CDSS，如美国临床肿瘤学会的CancerLinq和OncoDoc。然而，据我们所知，直到IBM沃森肿瘤解决方案（WFO）出现以前，还没有肿瘤治疗选择的认知支持方法。WFO可通过阅读文献、实验方案和患者图表及从病例报告和纪念斯隆-凯特林癌症中心专家中学习的方式获取知识。

印度班加罗尔Manipal综合癌症中心的Sampige Prasannakumar Somashekhar教授在该癌症中心进行了一项研究，旨在评估AI CDSS WFO和乳腺癌多学科肿瘤委员会得出的治疗建议的一致性水平。

2014~2016年，为在印度班加罗尔Manipal综合癌症中心接受治疗的638例乳腺癌患者提供了治疗建议。2016年，为相同的病例提供了WFO治疗建议。2016年，癌症中心的肿瘤委员会（MMDT）为所有未达成一致的病例进行了二次盲审，并考虑了2016年前还没有的治疗和指南。如果WFO认为肿瘤委员会的建议为“推荐”或“考虑”，则认为两个治疗建议一致。

患者平均52岁，81%的病例为非转移性疾病。各病例中，受体状态具有轻度差异，具有HR阳性肿瘤（41%）的患者稍多，具有HER2/ neu阳性（29%）或三阴性乳腺癌（30%）的患者稍少。

92%的乳腺癌病例的WFO和MMDT的治疗建议一致研究者对肿瘤分期和受体状态的亚组进行了治疗建议一致性的亚组分析。随着分期的不同，一致性具有差异，I期或IV期肿瘤患者（分别为80%和86%）比II期或III期肿瘤患者（分别为97%和95%）治疗建议一致的可能性小。然而，受体状态并不影响一致性，一致性的范围从HR阳性或三阴性乳腺癌的92%到HER2/neu阳性乳腺癌的95%。当同时分析肿瘤分期和受体状态时，HR阳性或三阴性转移性乳腺癌患者（分别为75%和85%）比非转移或HER2/neu阳性乳腺癌患者（94%~98%）的一致性低。

年龄的增长对治疗建议一致性具有显著的影响。除了55~64岁年龄组，其他所有年龄组与<45岁相比，治疗建议的一致性都显著性降低（P≤0.02或P<0.001）。75岁及以上患者的一致性尤其低。

总体和不同疾病分期情况下，WFO和MMDT的治疗建议一致性

不同疾病分期和受体状态下，WFO和MMDT治疗建议一致性

对于本研究的乳腺癌病例，WFO和肿瘤委员会做出的治疗建议高度一致。乳腺癌分期和患者年龄对一致性具有显著影响，而受体状态并非如此。本研究证实，人工智能临床决策支持系统WFO对于乳腺癌治疗决策的制定是一种有力的工具，尤其在乳腺癌专家资源有限的中心。