谷歌 AI醫療新成果：將轉移性乳腺癌檢測準確率推向了幾乎完美的99％

谷歌 AI醫療新成果：將轉移性乳腺癌檢測準確率推向了幾乎完美的99％

每年全球因乳腺癌致死的人數高達50萬。

而在我國，乳腺癌年平均增長率約為3.5%。

在國家癌症中心發布的《2017年中國腫瘤的現狀和趨勢》報告中顯示，乳腺癌的發病率已經位列女性惡性腫瘤之首。

中國乳癌患者發病高峰年齡在45-55歲，比西方人早10歲。其中，年輕患者相對較多，35歲以下約佔15%。

目前，通過定期的淋巴安全檢測，每年進行一次乳腺鉬靶檢查，緻密型乳腺推薦與B超聯合檢查是預防乳腺癌通用的手段。

雖然乳腺癌的發病機制未有明確定論，但可以確定的是，90%都是由於轉移造成的。

轉移性腫瘤，意味著癌細胞脫離其原始組織，通過循環或淋巴系統穿過身體，並在身體的其他部位形成新的腫瘤，它十分狡猾，很難檢測出來。

而現在，谷歌AI就針對這種轉移帶來新福音。

它們與聖地亞哥海軍醫療中心開發出了一種新的檢測方案，採用癌症檢測演算法，可自動評估淋巴結活檢，谷歌AI的這個系統被稱為「淋巴結助手」(簡稱LYNA)。

在《美國外科病理學雜誌》中，他們針對這個系統發表了「基於人工智慧的乳腺癌淋巴結轉移檢測」的論文。在轉移性乳腺癌的檢測精度測試中，LYNA的準確率達到99%，這遠遠超過人類的檢測準確率。

根據最近的一項實驗證明，62%的人類病理學家會錯過單個幻燈片上的微小轉移跡象，而谷歌的AI演算法可以詳盡地評估幻燈片上的每個組織貼片。「我們提供了一個框架，以幫助執業病理學家評估這些演算法，並將其應用到他們的工作流程中(類似於病理學家評估免疫組織化驗結果)」。

LYNA是基於開源圖像識別深度學習模型Inception-v3被開發出來的，它已被證明可以在斯坦福的ImageNet數據集上實現78.1％的準確率。正如研究人員解釋的那樣，它需要一個299像素的圖像（Inception-v3的默認輸入大小）作為輸入，在像素級別概述腫瘤，並且在訓練過程中，提取組織貼片的標籤（ 預測「良性」或「腫瘤」）並調整模型的演算法權重以減少誤差。

該團對之前發布的演算法進行了改進，將LYNA暴露在正常組織與腫瘤斑塊比例為4:1的環境中，並提高了訓練過程的「計算效率」，這反過來會促使演算法「看到」更多的組織多樣性。此外，團隊成員還對活檢切片掃描的變化進行了標準化，他們認為這可以將模型的性能提升到更高的程度。

研究人員也將LYNA應用在270個樣本幻燈片（160個正常，110個腫瘤）上進行測試訓練。在測試中，LYNA實現了99.3％的幻燈片級精度。當調整模型的靈敏度閾值以檢測每張載玻片上的所有腫瘤時，其靈敏度為69％，準確識別評估數據集中的所有40個轉移灶，沒有任何誤報。此外，它不受測試樣品中的其他因素影響，例如氣泡，加工不良，出血和過度塗抹。

當然，LYNA並不完美。它偶爾會錯誤地識別巨細胞，生髮癌和骨髓來源的白細胞 （這些稱為組織細胞），但這已經比同樣執行此項工作的人類醫學家做的更好了。

在谷歌 AI和谷歌母公司Alphabet旗下生命科學子公司Verily發表的第二篇論文中，這個模型將六名病理學家組成的團隊檢測淋巴結轉移所需的時間縮短了一半。

毫無疑問，「這些技術可以提高病理學家的工作效率，減少與腫瘤細胞形態學檢測相關的假陰性數量」 。

在過去，谷歌在AI醫療領域一直都有布局。今年Mountain View公司的Medical Brain團隊聲稱創建了一個AI系統，可以預測再入院的可能性，並且他們在6月份使用它來預測兩家醫院的死亡率，準確率為90％。而谷歌和Verily的科學家創建了一個機器學習網路，可以準確地推斷出一個人的基本信息，包括他們的年齡和血壓，以及他們是否有患心臟病等重大心臟事件的風險。

而谷歌位於倫敦的人工智慧研究部門DeepMind參與了幾項與健康相關的人工智慧項目，其中包括美國退伍軍人事務部正在進行的一項試驗，旨在預測患者在住院期間病情何時惡化。而此前，它也與英國國家健康服務中心合作開發了一種可以尋找早期失明跡象的演算法。並在今年早些時候的醫學影像計算和計算機輔助干預會議上，DeepMind的研究人員表示，他們已經開發出一種「接近人類表現」的AI系統方式，能夠執行分割CT掃描的任務。

乳腺癌檢測只是谷歌AI在醫療領域涉及的其中一項。事實上，它在視網膜成像測試、眼疾病檢測、糖尿病檢測與管理、心臟病監測、帕金森綜合征的早期預測等多個細分細分領域中的AI實踐，正在全面地形成谷歌AI驅動醫療建設的全棧陣營。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！