本文由騰訊數位獨家發布
轉移性腫瘤，癌細胞會從它們的組織中分離出來，通過血液循環或淋巴系統穿過身體，在身體的其他部位形成新的腫瘤，而且整個過程在醫學界以“難以察覺”而著稱。2009年，波士頓兩個健康中心在對102名乳腺癌患者進行的一項研究中發現，有四分之一的乳腺癌患者在進行“護理治療過程”中受到了影響，比如身體檢查不足和診斷測試不完整等問題。
這是導致全世界每年有50萬人死於乳腺癌的主要原因之一，據估計有90%是由於腫瘤轉移而引起的。現在，來自美國聖地亞哥海軍醫療中心和谷歌人工智能（AI）研究部門的研究人員，已經開發出了一種極有前景的解決方案，可以使用癌症檢測算法來自動評估淋巴結活檢結果。
他們的人工智能系統被稱為“淋巴結助手”或“LYNA”，發表在美國外科病理學雜誌上的一篇題為“人工智能乳腺癌節點轉移檢測”的論文中。在測試中，它實現了一個在接收機操作特性（AUC）下的區域，這是一種檢測精度的測量方法，準確度達到99%。這比人類病理學家要優越，根據最近的一項評估，在時間限制的情況下，在個人切片上轉移概率為62%。
該論文的作者寫道：“人工智能算法可以詳盡地評估幻燈片上的每一塊組織。我們提供了一個框架來幫助執業病理學家評估這些算法，以便將其應用到他們的工作流程中（類似於病理學家對免疫組織化學結果的評估）。”
LYNA基於incepv3計算，一個開源的影像識別深度學習模型，在斯坦福的ImageNet數據集上被證明可以達到超過78.1%的準確率。正如研究人員解釋的那樣，它需要輸入一個299像素的影像（incepv3的默認輸入大小），在像素級別上勾勒出腫瘤，並且在訓練過程中，提取標簽。對組織貼片（“良性”或“腫瘤”）的預測，並調整模型的算法權重以減少錯誤。
該團隊改進了之前曾經發布的算法，將LYNA暴露在正常到腫瘤斑塊的4:1的比例，並通過增加訓練過程的“計算效率”，從而使算法“看到”更多的組織。此外，他們還對活檢切片掃描的變化進行了標準化，他們說這提高了模型的性能，甚至達到了更高的程度。
研究者應用LYNA癌症轉移的淋巴結2016年挑戰數據集(Camelyon16)，將399張幻燈片圖片的集合淋巴結內梅亨大學醫學中心部分和烏得勒支大學醫學中心，以及一個單獨的組20例的108張照片。它在這些幻燈片中訓練了270個（160個正常的，110個腫瘤），還有兩個評估組，一個由129張幻燈片組成，另一個是108張幻燈片，被用來評估它的表現。
在測試中，LYNA達到了99.3%的滑度精度。當模型的靈敏度閾值被調整以檢測每一張幻燈片上的所有腫瘤時，它顯示了69%的敏感性，準確地識別了評估數據集中的所有40個轉移，沒有任何假陽性。此外，它不受幻燈片中工件的影響，如氣泡、處理不良、出血和過度染色等。
LYNA並不是完美的，它偶爾會誤判巨大的細胞、生發的癌症，以及被稱為組織細胞的骨髓來源的白細胞——但它的表現要比一個負責評估相同幻燈片的病理學家表現得更好。在谷歌人工智能和谷歌母公司Alphabet的生命科學子公司發布的第二篇論文中，該模型將一個由董事會認證的病理學家組成的六人團隊的時間減少了一半，以檢測淋巴結中的轉移。
未來的工作將研究該算法是否提高了效率或診斷準確性。
研究人員寫道：“LYNA的腫瘤水準敏感度要高於和類似的幻燈片水準，這是病理學家的表現。”“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的數量。”
谷歌已經在人工智能保健應用領域進行了廣泛的投資。今年春天，谷歌的醫學大腦團隊聲稱已經建立了一個人工智能系統，可以預測醫院再次入院的可能性，並在6月用它來預測兩家醫院的死亡率，準確率達到了90%。今年2月，來自谷歌的科學家們確實創建了一個機器學習網絡，可以精確地推斷出一個人的基本資訊，包括他們的年齡和血壓，以及他們是否有患心髒病等重大心髒疾病的風險。
谷歌總部位於倫敦的人工智能研究部門DeepMind參與了幾個與健康相關的人工智能項目，其中包括美國退伍軍人事務部正在進行的一項試驗，該項目旨在預測病人在住院期間的病情何時會惡化。在此之前，該公司與英國合作。國家衛生服務部門開發一種算法，可以搜索早期失明的跡象。在今年早些時候的醫學影像計算與電腦輔助乾預會議上發表的一篇論文中，DeepMind的研究人員表示，他們開發了一種人工智能系統，可以將CT掃描與“接近人類的表現”進行分割。
來源：venturebeat
香港九龍灣馬來街興發大廈15樓D室