據(jù)外媒VentureBeat報(bào)道，谷歌的AI研究人員和圣地亞哥海軍醫(yī)學(xué)中心已經(jīng)合作開(kāi)發(fā)出了一種能使用癌癥檢測(cè)算法自動(dòng)評(píng)估淋巴結(jié)活檢的解決方案，并在轉(zhuǎn)移性乳腺癌的檢出上實(shí)現(xiàn)了99%的識(shí)別精度。

1974年，福特接任尼克松成為美國(guó)總統(tǒng)。而就在6周后，第一夫人貝蒂?福特向全世界宣布她被確診患有乳腺癌，將接受根治性乳房切除術(shù)以消除腫瘤。福特公開(kāi)宣布其診斷情況的勇敢決定打破女性了對(duì)乳腺癌的沉默，促使數(shù)百萬(wàn)婦女坦然面對(duì)接受篩查，這也使得全球女性乳腺癌檢出率大幅度上升。

40多年后的今天，乳腺癌已經(jīng)成了全球女性中發(fā)病和死亡均居首位的惡性腫瘤，在全球已確診的女性癌癥病例中，大約1/4是乳腺癌。

WHO的最新報(bào)告稱，全世界每年約有50萬(wàn)女性死于乳腺癌，其中大約有90%都是轉(zhuǎn)移性腫瘤。轉(zhuǎn)移性腫瘤常常難以檢測(cè)，這種疾病的癌細(xì)胞會(huì)從其起源組織中分離出來(lái)，通過(guò)循環(huán)系統(tǒng)或淋巴系統(tǒng)在體內(nèi)傳播，并在身體其他部位形成新的腫瘤，而且一旦發(fā)生腫瘤轉(zhuǎn)移，根治難度就會(huì)加大，死亡率也會(huì)大幅提高。

所以，如何提早檢測(cè)出轉(zhuǎn)移性腫瘤就成了幫助女性擺脫癌癥夢(mèng)魘的關(guān)鍵。

據(jù)了解，谷歌和圣地亞哥海軍合作開(kāi)發(fā)的這個(gè)AI系統(tǒng)被稱為“淋巴結(jié)助手”(簡(jiǎn)稱LYNA)。

在《美國(guó)外科病理學(xué)雜志》中，研究人員針對(duì)這個(gè)系統(tǒng)發(fā)表了“基于人工智能的乳腺癌淋巴結(jié)轉(zhuǎn)移檢測(cè)”的論文。論文寫(xiě)到，在轉(zhuǎn)移性乳腺癌的檢測(cè)精度測(cè)試中，LYNA的準(zhǔn)確率達(dá)到99%，超過(guò)人類的檢測(cè)準(zhǔn)確率。

左側(cè)為包含淋巴結(jié)的人體組織幻燈片，右側(cè)為L(zhǎng)YNA識(shí)別的腫瘤區(qū)

LYNA是基于開(kāi)源圖像識(shí)別深度學(xué)習(xí)模型Inception-v3開(kāi)發(fā)出來(lái)的。

該模型在斯坦福大學(xué)ImageNet數(shù)據(jù)集中的準(zhǔn)確率能超過(guò)78.1%，相關(guān)研究人員解釋到，在訓(xùn)練過(guò)程中，它以299像素的圖像(Inception-v3默認(rèn)的輸入規(guī)格)作為輸入，在像素水平描述出組織貼片中的腫瘤，提取標(biāo)簽，并調(diào)整模型的算法權(quán)重以減少誤差。

后來(lái)，該團(tuán)隊(duì)改進(jìn)了之前發(fā)布的算法，將LYNA暴露于正常組織與腫瘤斑塊之比為4:1的環(huán)境中，并提高了訓(xùn)練過(guò)程的“計(jì)算效率”，這反過(guò)來(lái)會(huì)促使算法“看到”更多的組織多樣性。此外，研究人員還對(duì)活檢切片掃描的變化進(jìn)行了規(guī)范化，他們說(shuō)這在更大程度上提高了模型的性能。

研究人員訓(xùn)練模型時(shí)將LYNA模型置于到了2016年癌癥細(xì)胞檢測(cè)競(jìng)賽（Camelyon16）的癌癥轉(zhuǎn)移數(shù)據(jù)環(huán)境里，該數(shù)據(jù)集來(lái)自于Radboud大學(xué)和Utrecht大學(xué)醫(yī)學(xué)中心，里面包含了399個(gè)淋巴結(jié)切片的玻片圖像，以及來(lái)自20名患者的108張圖像。它對(duì)270個(gè)載玻片（160個(gè)正常，110個(gè)腫瘤）進(jìn)行了訓(xùn)練，并使用了兩個(gè)評(píng)估集——一個(gè)由129個(gè)載玻片組成，另一個(gè)由108個(gè)載玻片組成，來(lái)進(jìn)行性能評(píng)估。

在測(cè)試中，LYNA實(shí)現(xiàn)了99.3％的幻燈片級(jí)精度。當(dāng)調(diào)整模型的靈敏度閾值以檢測(cè)每張載玻片上的所有腫瘤時(shí)，其靈敏度為69％，準(zhǔn)確識(shí)別評(píng)估數(shù)據(jù)集中的所有40個(gè)轉(zhuǎn)移灶，沒(méi)有任何誤報(bào)。

此外，它不受測(cè)試樣品中的其他因素影響，例如氣泡，加工不良，出血和過(guò)度涂抹。

當(dāng)然，LYNA并不完美。它偶爾會(huì)錯(cuò)認(rèn)巨細(xì)胞、生發(fā)癌和骨髓來(lái)源的白細(xì)胞，也就是所謂的組織細(xì)胞，但它的表現(xiàn)已經(jīng)比比負(fù)責(zé)評(píng)估同樣幻燈片的專業(yè)病理學(xué)家好太多了。

在Google AI和谷歌母公司Alphabet旗下生命科學(xué)子公司Verily發(fā)表的第二篇論文中，該模型就將6名病理學(xué)家組成的小組檢測(cè)淋巴結(jié)轉(zhuǎn)移所需要的時(shí)間減少了一半。

“在幻燈片診斷中，LYNA獲得了比病理學(xué)家更高的敏感性。這些技術(shù)可以提高病理學(xué)家的工作效率，減少與腫瘤細(xì)胞形態(tài)學(xué)檢測(cè)相關(guān)的假陰性數(shù)量。”研究人員寫(xiě)道。

未來(lái)，研究人員將繼續(xù)研究該算法是否提高了效率或診斷準(zhǔn)確性。

雷鋒網(wǎng)

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。