發明可降低肺癌誤診率的演算法，清華團隊拿下50萬美元大獎

2017「數據科學杯」（Data Science Bowl）已經結束，清華大學團隊憑藉一種可以降低肺癌誤診率的機器學習演算法斬獲大賽一等獎，贏得50萬美元獎金。此次比賽共吸引了全球10000名數據科學家參賽.

「數據科學杯」致力於為全世界展示機器學習可能給醫學顯像帶來的革命，獲勝的演算法不一定會立刻在診斷室中投入使用，但是不菲的獎金能夠鼓勵醫學顯像的演算法創新。

機器學習演算法通常需要海量的數據才能開發出一款高效的演算法。但是，在今年的比賽中，每個團隊只能使用2000張圖像訓練其演算法，這也成為此次比賽的最大難點。

來自清華大學的獲勝團隊藉助神經網路實現了新演算法的突破。他們在註解圖像上花費了更大的精力，還使用了一個額外的數據組，並將挑戰的目標分為兩部分：首先識別肺結節，再做出癌症診斷。不過，由於每個演算法只能提供一個概率而非確切的結果，其結果仍無法與醫生的診斷結果（即是或否）進行對比。

「我們認為，將這個問題分為兩個部分十分重要，因為這也符合人類專家進行診斷時的選擇」，獲勝團隊兩名成員之一，清華大學博士研究生李哲對此說道。在展示深度學習將會為醫學顯像帶來的進步之外，此大賽再次展現出了中國人工智慧研究人員的頂級水準。

對於獲勝，李哲表示開發出一種可能拯救人們生命的演算法讓他十分欣慰，數十萬美元的頭獎則是錦（zhu）上（yao）添（yuan）花（yin）了。

諮詢公司Booz Allen Hamilton是此次比賽的贊助商之一。其數據科學部部長Josh Sullivan表示，「數據科學杯」的主要目的包括搜羅人才，參加本屆大賽的238人已經申請了其公司的職位。除此之外，Sullivan還表示，將會免費公布獲勝的演算法，使醫療業受益最大化。

在近幾年裡，低劑量CT掃描在更早的發現肺癌方面展現出了極大的潛力。該技術具有低輻射，無需注射造影劑等優點。但是通過圖像進行診斷還是一樣困難，經常會出現誤認的情況，令患者經歷許多多餘的診斷。

而深度學習在圖像識別領域展現出越來越多的優越性，許多人希望將其應用在醫學領域，通過識別醫學顯像片中人眼難以發現的體征來提高確診率。

目前，深度學習已經被用於檢測皮膚癌，並且獲得了可以媲美專業皮膚科醫生的準確度。在此之外，深度學習也被證實可以有效的檢測視網膜圖像中的常見致盲原因。因此有越來越的醫生和創業者有意將此技術擴散到廣泛的醫療領域。不過，開發者們還是應該需要提高這類演算法的可解釋性。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！