谷歌AI診病新進展 轉移性乳腺癌檢測準確率達99%

小熊在線 馬甲 | 2018年10月15日
【小熊在線網 新聞報道】據VentureBeat報道,轉移性腫瘤是一種非常難以檢測的腫瘤,這種疾病的癌細胞會從其起源組織中分離出來,通過循環系統或淋巴系 ......
【小熊在線網 新聞報道】據VentureBeat報道,轉移性腫瘤是一種非常難以檢測的腫瘤,這種疾病的癌細胞會從其起源組織中分離出來,通過循環系統或淋巴系統在體內傳播,并在身體其他部位形成新的腫瘤。2009年,美國波士頓兩家醫療中心對102名乳腺癌患者進行的一項研究發現,1/4患者受到“護理過程失敗”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%是腫瘤轉移造成的。但圣地亞哥海軍醫學中心和谷歌人工智能研究人員,已經開發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活檢。他們的AI系統被稱為“淋巴結助手”(簡稱LYNA)。

在轉移性乳腺癌的檢測精度測試中,LYNA的準確率達到99%,這比人類病理學家更勝一籌。根據最近的一項評估,在時間有限的情況下,有62%的人類病理學家會錯過單個幻燈片上的微小轉移跡象。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,以幫助執業病理學家評估這些算法,并將其應用到他們的工作流程中(類似于病理學家評估免疫組織化驗結果)。”

LYNA是基于開源圖像識別深度學習模型Inception-v3開發出來的,該模型在斯坦福大學imageNet數據集中的準確率超過78.1%。正如研究人員解釋的那樣,在訓練過程中,它以299像素的圖像(Inception-v3默認的輸入規格)作為輸入,在像素水平描述出組織貼片中的腫瘤,提取標簽,并調整模型的算法權重以減少誤差。

該團隊改進了之前發布的算法,將LYNA暴露于正常組織與腫瘤斑塊之比為4:1的環境中,并提高了訓練過程的“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行了規范化,他們說這在更大程度上提高了模型的性能。

研究人員將LYNA應用于檢測淋巴結2016年挑戰數據集(Camelyon16)的癌癥轉移診斷,Camelyon16中有399張淋巴結的幻燈片圖片,它們來自荷蘭拉德堡大學醫學中心、荷蘭烏得勒支大學醫學中心,以及20名患者的的108張單獨照片。LYNA被用其中的270張幻燈片(160張正常組織、110張腫瘤)訓練,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達到了99.3%的準確率。當模型的靈敏度閾值被調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,準確地識別出評估數據集中的所有40個轉移性腫瘤,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,它偶爾會錯認巨細胞、生發癌和骨髓來源的白細胞,也就是所謂的組織細胞,但它的表現比負責評估同樣幻燈片的執業病理學家更好。在Google AI和谷歌母公司Alphabet旗下生命科學子公司Verily發表的第二篇論文中,該模型將6名病理學家組成的小組檢測淋巴結轉移所需時間減半。

未來的工作將研究該算法是否提高了效率或診斷準確性。研究人員寫道:“在幻燈片診斷中,LYNA獲得了比病理學家更高的敏感性。這些技術可以提高病理學家的工作效率,減少與腫瘤細胞形態學檢測相關的假陰性數量。”

谷歌已廣泛投資于AI在醫療上的應用。今年春天,谷歌旗下的Medical Brain團隊宣稱,他們已經開發出了一套AI系統,可以預測患者重新入院的可能性,并在6月份利用該系統預測了兩家醫院的死亡率,準確率達到90%。今年2月,谷歌和Verily的科學家們創造了一個機器學習網絡,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險。

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

標簽:谷歌 AI

用戶名:  密碼:  沒有注冊?
網友評論:(請各位網友遵紀守法并注意語言文明,評論僅供參考不代表本站立場)