挑戰男性常見病，谷歌用深度學習評估攝護腺癌風險，準確度超醫生

Google近日公開了用深度學習分級攝護腺癌風險的成果，透過建立一套模仿病理學家工作流程的深度學習系統，來改善評分攝護腺癌的準確度和提升評分的客觀性，該系統整體的準確度目前為70%，而美國病理學家的平均準確度為61％，可用於輔助病理學家的診斷，Google也表示，該模型要用來改善攝護腺癌病患的治療，還需要加入更多數據資料，提升模型的準確度。

在美國，大約9個男性中，會有一名男性患有攝護腺癌，攝護腺癌為男性最常見的癌症，即使常見卻很難確認該採取切除或放射治療的風險，一般來說，臨床上最常用格利森評分（Gleason grade）來將攝護腺癌風險分級，根據正常細胞癌變的程度來確定攝護腺癌的分級，分數越高代表癌細胞的生長和擴散越快。

儘管格利森評分系統在臨床上被廣泛地認可，該評分系統是複雜且主觀的，根據一項研究指出，醫生對相同病歷的分歧度大約是30%～53%，除此之外，尤其在許多國家，並沒有足夠的受過專業訓練的病理學家，因此，Google認為透過深度學習技術，建立攝護腺癌診斷和臨床管理的模型，將有助於改善現有的挑戰。

Google研究團隊建立了一套深度學習模型，將癌症細胞的每個區域對應到格利森評分模式，用癌症細胞與正常的攝護腺組織接近的程度評分，分數越高代表癌症風險越高， 病患應接受治療。

為了開發出有效的深度學習系統，Google收集了去識別化的攝護腺切除圖片，該樣本圖片包含大量且多元的攝護腺癌，在訓練數據方面，有32名病理學家針對超過1億張圖片用格利森評分標準標註，為了克服分級的主觀性，驗證數據集的每個樣本都由3-5位病理學家獨立評分，再由泌尿科專科醫生給予該樣本真實數值（Ground Truth）。

此外，該深度學習系統還能夠找出組織型態的不同特徵，也就是同一個樣本包含2個格利森評分模式，這或許是導致病理學家分級不一致的原因，這項發現也意味著分級可再細分的可能性，也就是格利森分數能夠有中間的數值，如3.3或是3.7，不過，這樣的分數在臨床上還沒有明顯的意義，可作為後續研究的方向。