據(jù)外媒VentureBeat報道，谷歌的AI研究人員和圣地亞哥海軍醫(yī)學中心已經(jīng)合作開發(fā)出了一種能使用癌癥檢測算法自動評估淋巴結活檢的解決方案，并在轉移性乳腺癌的檢出上實現(xiàn)了99%的識別精度。

1974年，福特接任尼克松成為美國總統(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以消除腫瘤。福特公開宣布其診斷情況的勇敢決定打破女性了對乳腺癌的沉默，促使數(shù)百萬婦女坦然面對接受篩查，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的最新報告稱，全世界每年約有50萬女性死于乳腺癌，其中大約有90%都是轉移性腫瘤。轉移性腫瘤常常難以檢測，這種疾病的癌細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，而且一旦發(fā)生腫瘤轉移，根治難度就會加大，死亡率也會大幅提高。

所以，如何提早檢測出轉移性腫瘤就成了幫助女性擺脫癌癥夢魘的關鍵。

據(jù)了解，谷歌和圣地亞哥海軍合作開發(fā)的這個AI系統(tǒng)被稱為“淋巴結助手”(簡稱LYNA)。

在《美國外科病理學雜志》中，研究人員針對這個系統(tǒng)發(fā)表了“基于人工智能的乳腺癌淋巴結轉移檢測”的論文。論文寫到，在轉移性乳腺癌的檢測精度測試中，LYNA的準確率達到99%，超過人類的檢測準確率。

LYNA是基于開源圖像識別深度學習模型Inception-v3開發(fā)出來的。

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

后來，該團隊改進了之前發(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(guī)范化，他們說這在更大程度上提高了模型的性能。

研究人員訓練模型時將LYNA模型置于到了2016年癌癥細胞檢測競賽(Camelyon16)的癌癥轉移數(shù)據(jù)環(huán)境里，該數(shù)據(jù)集來自于Radboud大學和Utrecht大學醫(yī)學中心，里面包含了399個淋巴結切片的玻片圖像，以及來自20名患者的108張圖像。它對270個載玻片(160個正常，110個腫瘤)進行了訓練，并使用了兩個評估集——一個由129個載玻片組成，另一個由108個載玻片組成，來進行性能評估。

在測試中，LYNA實現(xiàn)了99.3%的幻燈片級精度。當調(diào)整模型的靈敏度閾值以檢測每張載玻片上的所有腫瘤時，其靈敏度為69%，準確識別評估數(shù)據(jù)集中的所有40個轉移灶，沒有任何誤報。

此外，它不受測試樣品中的其他因素影響，例如氣泡，加工不良，出血和過度涂抹。

當然，LYNA并不完美。它偶爾會錯認巨細胞、生發(fā)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(xiàn)已經(jīng)比比負責評估同樣幻燈片的專業(yè)病理學家好太多了。

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

“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(tài)學檢測相關的假陰性數(shù)量。”研究人員寫道。

未來，研究人員將繼續(xù)研究該算法是否提高了效率或診斷準確性。

關鍵詞： 上實 新進 乳腺癌