谷歌AI“淋巴結(jié)助手” 轉(zhuǎn)移性乳腺癌檢測準(zhǔn)確率達(dá)99%

• 2018年10月14日 YangJinZhu來源：網(wǎng)易 647 37
• 繁體

• 

  投資與產(chǎn)出不成正比，中藥口服液企業(yè)如何做出正確的投資規(guī)劃和戰(zhàn)略選擇？

  區(qū)域產(chǎn)業(yè)規(guī)劃是地方經(jīng)濟(jì)發(fā)展戰(zhàn)略的核心內(nèi)容，是各級政府部門發(fā)展相關(guān)產(chǎn)業(yè)的“路線圖”，對于區(qū)域發(fā)展規(guī)劃來說，就相當(dāng)于一張藍(lán)圖對一個建筑物的重要性，有了這張“藍(lán)圖”，區(qū)域才能在有規(guī)劃有計...

網(wǎng)易科技訊 10月14日消息，據(jù)VentureBeat報道，轉(zhuǎn)移性腫瘤是一種非常難以檢測的腫瘤，這種疾病的癌細(xì)胞會從其起源組織中分離出來，通過循環(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，美國波士頓兩家醫(yī)療中心對102名乳腺癌患者進(jìn)行的一項研究發(fā)

網(wǎng)易科技訊 10月14日消息，據(jù)VentureBeat報道，轉(zhuǎn)移性腫瘤是一種非常難以檢測的腫瘤，這種疾病的癌細(xì)胞會從其起源組織中分離出來，通過循環(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，美國波士頓兩家醫(yī)療中心對102名乳腺癌患者進(jìn)行的一項研究發(fā)現(xiàn)，1/4患者受到“護(hù)理過程失敗”的影響，比如體檢不充分和診斷測試不完整等。

全世界每年有50萬人死于乳腺癌，估計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(AI)研究部門Google AI的研究人員，已經(jīng)開發(fā)出了一種很有前途的解決方案，這種方案采用癌癥檢測算法，能夠自動評估淋巴結(jié)活檢。他們的AI系統(tǒng)被稱為“淋巴結(jié)助手”(簡稱LYNA)。

在轉(zhuǎn)移性乳腺癌的檢測精度測試中，LYNA的準(zhǔn)確率達(dá)到99%，這比人類病理學(xué)家更勝一籌。根據(jù)最近的一項評估，在時間有限的情況下，有62%的人類病理學(xué)家會錯過單個幻燈片上的微小轉(zhuǎn)移跡象。論文的作者寫道：“AI算法可以詳盡地評估幻燈片上的每個組織貼片。我們提供了一個框架，以幫助執(zhí)業(yè)病理學(xué)家評估這些算法，并將其應(yīng)用到他們的工作流程中(類似于病理學(xué)家評估免疫組織化驗結(jié)果)?！?/p>

LYNA是基于開源圖像識別深度學(xué)習(xí)模型Inception-v3開發(fā)出來的，該模型在斯坦福大學(xué)ImageNet數(shù)據(jù)集中的準(zhǔn)確率超過78.1%。正如研究人員解釋的那樣，在訓(xùn)練過程中，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)練過程的“計算效率”，這反過來會促使算法“看到”更多的組織多樣性。此外，研究人員還對活檢切片掃描的變化進(jìn)行了規(guī)范化，他們說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，并使用兩組評估集來評估其性能，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)整以檢測每張幻燈片上的所有腫瘤時，它顯示了69%的靈敏度，準(zhǔn)確地識別出評估數(shù)據(jù)集中的所有40個轉(zhuǎn)移性腫瘤，沒有任何假陽性。此外，它不受氣泡、處理不良、出血和過度染色等幻燈片偽影的影響。

LYNA并不完美，它偶爾會錯認(rèn)巨細(xì)胞、生發(fā)癌和骨髓來源的白細(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)家組成的小組檢測淋巴結(jié)轉(zhuǎn)移所需時間減半。

未來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)檢測相關(guān)的假陰性數(shù)量?！?/p>

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)隊宣稱，他們已經(jīng)開發(fā)出了一套AI系統(tǒng)，可以預(yù)測患者重新入院的可能性，并在6月份利用該系統(tǒng)預(yù)測了兩家醫(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)造了一個機(jī)器學(xué)習(xí)網(wǎng)絡(luò)，可以精確地推斷出某個人的基本信息，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。

谷歌駐倫敦AI研究部門DeepMind參與了幾個與健康相關(guān)的AI項目，包括美國老兵事務(wù)部正在進(jìn)行的一項試驗，該試驗旨在預(yù)測病人在住院期間病情何時會惡化。此前，DeepMind與英國國家衛(wèi)生服務(wù)中心(NHS)開發(fā)了一種算法，可以搜索失明的早期跡象。在今年早些時候舉行的醫(yī)學(xué)圖像計算與計算機(jī)輔助干預(yù)會議上，DeepMind的研究人員表示，他們已經(jīng)開發(fā)出了一種“接近人類表現(xiàn)”的AI系統(tǒng)，能夠執(zhí)行分割CT掃描任務(wù)。

延伸閱讀

推薦閱讀

猜您喜歡