人工智能還無法代理病理學(xué)家做診斷,，但可以成為病理學(xué)家的助手。

　　DeepMind 近日在其博客公布最新研究方向,，通過機(jī)器學(xué)習(xí),，提供乳腺 X 光的檢查幾率。

　　這個研究項目是和倫敦帝國理工學(xué)院的癌癥研究機(jī)構(gòu),、Google 的人工智能健康研究團(tuán)隊一起合作的,，他們希望建立新的機(jī)器學(xué)習(xí)模型，幫助醫(yī)生提高癌癥檢測率,，早發(fā)現(xiàn)癌癥,，以便盡早開始治療。

　　乳腺癌是目前僅次于肺癌的最常見癌癥,。根據(jù) DeepMind 公布的數(shù)據(jù),，每年全球有 160 多萬人被診斷出乳腺癌，有 50 萬人會因此死亡,。

　　而在中國,，根據(jù)丁香園數(shù)據(jù)顯示，每年乳腺癌新發(fā)數(shù)量和死亡數(shù)量分別占全世界的 12.2% 和 9.6%,，而且從 90 年代以來,，中國的乳腺癌發(fā)病率增長速度是全球的兩倍多。

　　如果能盡早發(fā)現(xiàn)并及時治療,，就可以降低死亡率,，但準(zhǔn)確地檢測和診斷乳腺癌仍然是一個巨大的挑戰(zhàn)。

　　目前僅通過乳房 X 光檢查,，并不能完全檢測是否患有乳腺癌,，很多時候診斷取決于病理學(xué)家最后的分析和確定,。

　　根據(jù)化學(xué)資訊平臺 X-MOL 介紹，病理學(xué)家需要在顯微鏡的幫助下,，在至少包括 100 億個像素的組織活檢和隨后的病理切片中，尋找腫瘤的蹤跡,，判斷腫瘤的大小,、癌癥的發(fā)展階段、是否發(fā)生轉(zhuǎn)移等,，再決定一下一步治療手段,。

　　而通常一個病理學(xué)家需要經(jīng)過多年訓(xùn)練，才能獲得足夠的專業(yè)知識和經(jīng)驗,，但這樣的情況下也會出現(xiàn)誤診和漏診,。

　　如果能通過深度學(xué)習(xí)算法，訓(xùn)練機(jī)器學(xué)習(xí)切片檢查,，從中尋找腫瘤,，就可以提高診斷的效率和準(zhǔn)確率，對病理學(xué)家和患者來說將是很大的幫助,。

　　其實,，在今年 3 月時，Google 的人工智能健康研究團(tuán)隊已經(jīng)建立了機(jī)器學(xué)習(xí)的模型,，用于分析乳腺癌病理切片,。

　　為了檢驗成果，Google 還邀請了病理學(xué)家和人工智能模型做了一個對比,，在沒有時間限制的情況下,，分析 130 張病例切片，找出腫瘤,。

　　在靈敏度,，也即是能找出多少腫瘤細(xì)胞占比上，病理學(xué)家的準(zhǔn)確率為 73%,，人工智能模型則為 89%,。

　　而在誤判為腫瘤細(xì)胞的假陽性率上，人工智能模型卻不如病理學(xué)家,，因為它除了模型設(shè)計的病理外,，無法發(fā)現(xiàn)其他疾病，比如炎癥,、自免疫疾病或其他癌癥,。

　　從左到右，淋巴結(jié)病理切片,、Google 模型的早期結(jié)果,、當(dāng)前結(jié)果,。當(dāng)前的結(jié)果降低了潛在的假陽性。圖片來源：Google

　　Google 的研究人員說,，人工智能還無法代理病理學(xué)家做診斷,，但可以成為病理學(xué)家的助手，提高診斷效率,。

　　這次研究 DeepMind 和 Google 的 AI 團(tuán)隊則在此基礎(chǔ)上,，建立新的機(jī)器學(xué)習(xí)模型，并學(xué)習(xí)由英國癌癥研究所資助的研究機(jī)構(gòu)提供的 7500 名女性的檢測數(shù)據(jù),。

　　DeepMind 稱,，數(shù)據(jù)也常被世界其他衛(wèi)生組織拿去研究，它們不含個人隱私信息,。DeepMind 承諾會將數(shù)據(jù)放置在加密的數(shù)據(jù)庫中,，試驗用的時候才會解密。

　　自從和人類圍棋挑戰(zhàn)贏了之后,，Google 和 Deepmind 團(tuán)隊就說要將人工智能的技術(shù)用在醫(yī)療健康領(lǐng)域 ,。去年 2 月，Deepmind 發(fā)布了健康計劃,，同年先后發(fā)布了監(jiān)控人的腎功能應(yīng)用 Streams,，和能夠辨識眼部疾病的機(jī)器學(xué)習(xí)系統(tǒng)。

　　健康計劃也得到英國國家醫(yī)療服務(wù)體系（National Health Service,，NHS）支持,，后者向 DeepMind 提供 160 萬份患者資料數(shù)據(jù)，包括過去五年內(nèi)曾感染艾滋病病毒,、藥物濫用及墮胎記錄等數(shù)據(jù),。