網(wǎng)易科技訊 10月14日消息，據(jù)VentureBeat報(bào)道，轉(zhuǎn)移性腫瘤是一種非常難以檢測(cè)的腫瘤，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。2009年，美國(guó)波士頓兩家醫(yī)療中心對(duì)102名乳腺癌患者進(jìn)行的一項(xiàng)研究發(fā)現(xiàn)，1/4患者受到“護(hù)理過(guò)程失敗”的影響，比如體檢不充分和診斷測(cè)試不完整等。

圖：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)

全世界每年有50萬(wàn)人死于乳腺癌，估計(jì)90%是腫瘤轉(zhuǎn)移造成的。但圣地亞哥海軍醫(yī)學(xué)中心和谷歌人工智能研究人員，已經(jīng)開(kāi)發(fā)出了一種很有前途的解決方案，這種方案采用癌癥檢測(cè)算法，能夠自動(dòng)評(píng)估淋巴結(jié)活檢。他們的AI系統(tǒng)被稱(chēng)為“淋巴結(jié)助手”(簡(jiǎn)稱(chēng)LYNA)。

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%，這比人類(lèi)病理學(xué)家更勝一籌。根據(jù)最近的一項(xiàng)評(píng)估，在時(shí)間有限的情況下，有62%的人類(lèi)病理學(xué)家會(huì)錯(cuò)過(guò)單個(gè)幻燈片上的微小轉(zhuǎn)移跡象。論文的作者寫(xiě)道：“AI算法可以詳盡地評(píng)估幻燈片上的每個(gè)組織貼片。我們提供了一個(gè)框架，以幫助執(zhí)業(yè)病理學(xué)家評(píng)估這些算法，并將其應(yīng)用到他們的工作流程中(類(lèi)似于病理學(xué)家評(píng)估免疫組織化驗(yàn)結(jié)果)。”

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)確率超過(guò)78.1%。正如研究人員解釋的那樣，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。

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。

研究人員將LYNA應(yīng)用于檢測(cè)淋巴結(jié)2016年挑戰(zhàn)數(shù)據(jù)集(Camelyon16)的癌癥轉(zhuǎn)移診斷，Camelyon16中有399張淋巴結(jié)的幻燈片圖片，它們來(lái)自荷蘭拉德堡大學(xué)醫(yī)學(xué)中心、荷蘭烏得勒支大學(xué)醫(yī)學(xué)中心，以及20名患者的的108張單獨(dú)照片。LYNA被用其中的270張幻燈片(160張正常組織、110張腫瘤)訓(xùn)練，并使用兩組評(píng)估集來(lái)評(píng)估其性能，一組由129張幻燈片組成，另一組包括108張幻燈片。

在這些幻燈片測(cè)試中，LYNA達(dá)到了99.3%的準(zhǔn)確率。當(dāng)模型的靈敏度閾值被調(diào)整以檢測(cè)每張幻燈片上的所有腫瘤時(shí)，它顯示了69%的靈敏度，準(zhǔn)確地識(shí)別出評(píng)估數(shù)據(jù)集中的所有40個(gè)轉(zhuǎn)移性腫瘤，沒(méi)有任何假陽(yáng)性。此外，它不受氣泡、處理不良、出血和過(guò)度染色等幻燈片偽影的影響。

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)比負(fù)責(zé)評(píng)估同樣幻燈片的執(zhí)業(yè)病理學(xué)家更好。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)移所需時(shí)間減半。

未來(lái)的工作將研究該算法是否提高了效率或診斷準(zhǔn)確性。研究人員寫(xiě)道：“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。”

谷歌已廣泛投資于AI在醫(yī)療上的應(yīng)用。今年春天，谷歌旗下的Medical Brain團(tuán)隊(duì)宣稱(chēng)，他們已經(jīng)開(kāi)發(fā)出了一套AI系統(tǒng)，可以預(yù)測(cè)患者重新入院的可能性，并在6月份利用該系統(tǒng)預(yù)測(cè)了兩家醫(yī)院的死亡率，準(zhǔn)確率達(dá)到90%。今年2月，谷歌和Verily的科學(xué)家們創(chuàng)造了一個(gè)機(jī)器學(xué)習(xí)網(wǎng)絡(luò)，可以精確地推斷出某個(gè)人的基本信息，包括年齡和血壓，以及他們是否有罹患心臟病等重大心臟病的風(fēng)險(xiǎn)。

谷歌駐倫敦AI研究部門(mén)DeepMind參與了幾個(gè)與健康相關(guān)的AI項(xiàng)目，包括美國(guó)老兵事務(wù)部正在進(jìn)行的一項(xiàng)試驗(yàn)，該試驗(yàn)旨在預(yù)測(cè)病人在住院期間病情何時(shí)會(huì)惡化。此前，DeepMind與英國(guó)國(guó)家衛(wèi)生服務(wù)中心(NHS)開(kāi)發(fā)了一種算法，可以搜索失明的早期跡象。在今年早些時(shí)候舉行的醫(yī)學(xué)圖像計(jì)算與計(jì)算機(jī)輔助干預(yù)會(huì)議上，DeepMind的研究人員表示，他們已經(jīng)開(kāi)發(fā)出了一種“接近人類(lèi)表現(xiàn)”的AI系統(tǒng)，能夠執(zhí)行分割CT掃描任務(wù)。