谷歌AI检测转移性乳腺癌精确度高达99% 比人类病理学家更胜一筹

本帖最后由杨乃玉于 2018-10-18 07:04 编辑

转移性肿瘤是一种非常难以发现的肿瘤。转移性肿瘤是一种癌细胞(俗称的癌细胞扩散)，从其原发的组织中分离出来，通过循环系统或淋巴系统在体内传播，并在身体其他部位形成新的肿瘤。2009年，波士顿两家医疗中心对102名乳腺癌患者进行的一项研究发现，四分之一的患者受到“护理过程”失败的影响，比如体检不充分和诊断测试不完整。

这就是全世界50万人死于乳腺癌的原因之一，估计90%是转移造成的。但是，圣地亚哥海军医学中心的研究人员和谷歌AI(谷歌AI是谷歌中专门从事人工智能研究的一个部门)的研究人员已经开发出了一种很有前途的解决方案，这种方案采用癌症检测算法，能够自动评估淋巴结活检。

他们的人工智能系统被称为“淋巴结助手”(又称LYNA)，发表在《美国外科病理学杂志》(American Journal of Surgical Pathology)上的一篇题为《人工智能乳腺癌淋巴结转移检测》的论文对这一系统进行了描述。在测试中，它检测精确度达到了99%。这比人类病理学家更胜一筹。根据最近的一项评估，在时间有限的情况下，人类病理学家有高达62%的几率会错过单个幻灯片上的转移性肿瘤。

“人工智能算法可以详尽地评估幻灯片上的每个组织贴片，”论文的作者写道。“我们提供了一个框架，可以帮助执业病理学家评估这些算法，并将其应用到他们的工作流程中(类似于病理学家评估免疫组织化学结果)。”

LYNA是基于Inception -v3的开源图像识别深度学习模型，该模型在斯坦福大学的ImageNet数据集中的准确率超过78.1%。正如研究人员解释的那样，它以299像素的图像(Inception -v3默认的输入大小)作为输入，在像素水平勾勒出肿瘤，并在训练过程中提取组织贴片标签，并调整模型的算法权重以减少误差。

该团队改进了之前发表的算法，方法是通过将LYNA暴露于正常斑块与肿瘤斑块之比调整为4:1，并提高了训练过程的“计算效率”，这反过来导致了算法“发现”更多的组织多样性。此外，他们还对活检切片扫描的变化进行了规范化，他们说这在更大程度上提高了模型的性能。

在测试中，LYNA达到了99.3%的准确率。当模型的灵敏度阈值被调整至能够检测每张幻灯片上的所有肿瘤时，它显示了69%的灵敏度，准确地识别出评估数据集中的所有40个转移瘤，没有出现任何假阳性。此外，它不受气泡、处理不良、出血和过度染色等载玻片伪影的影响。

LYNA并不完美——它偶尔会错认巨细胞、生发癌和骨髓来源的白细胞，也就是所谓的组织细胞——但它的表现比负责评估同样幻灯片的执业病理学家更好。在谷歌AI和谷歌母公司Alphabet旗下生命科学子公司Verily发表的第二篇论文中，该模型将一个由获得委员会认证的六位病理学家组成的小组所需检测淋巴结转移的时间减半。

未来的工作将研究该算法是否提高了效率或诊断准确性。

研究人员写道：“这些技术可以提高病理学家的工作效率，减少与肿瘤细胞形态学检测相关的假阴性的数量。”

谷歌已广泛投资于人工智能医疗应用。今年春天，Mountain View 公司的医疗智囊团宣称，他们已经开发出了一套人工智能系统，可以预测重新入院的可能性，并在6月份利用该系统预测了两家医院的死亡率，准确率达到90%。今年2月，谷歌和Verily的科学家们创造了一个机器学习网络，可以精确地推断出一个人的基本信息，包括年龄和血压，以及他们是否有罹患心脏病等重大心脏病的风险。

DeepMind是谷歌驻伦敦的人工智能研究部门，参与了几个与健康相关的人工智能项目，包括美国退伍军人事务部(U.S. Department of Veterans Affairs)正在进行的一项试验，该试验旨在预测病人在住院期间病情何时会恶化。此前，它与英国国家卫生服务中心合作开发了一种算法，可以搜索早期失明的迹象。在今年早些时候举行的医学图像计算与计算机辅助干预会议上发表的一篇论文中，DeepMind的研究人员表示，他们已经开发出了一种人工智能系统能与人类分割CT扫描能力相媲美。【来源：前瞻网】
更多资讯详见：360社区早报（2018-10-18）