最近，翔叔看到了一则爆炸性新闻——Google AI大战乳腺癌，现在进入2.0时代！
在最新公布的进展中，Google深度学习算法在转移性乳腺癌的检测精度测试中，准确率达到了99.3%。
毫无疑问，这是人类医生难以企及的准确率。
根据最近一项评估，人类病理检验师，在时间限制下，有62%的时间发现不了个别载玻片上的小转移现象。
自人类存在的这千百年来，癌症始终是威胁生命的第一大敌人。听到了癌症，就似乎听到了死亡。现如今，在商业巨头的领衔之下，人工智能的触角终于伸向医疗领域，如今，Google AI一小步，乳腺癌检测一大步。在对抗癌症的战场上，给人类送上了重要的助攻。
1
全世界妇女的头号癌症杀手：乳腺癌
乳腺癌是全世界妇女的头号癌症杀手，尤其在发展中国家正在增多，那里的大多数病例到晚期才得到诊断。
乳腺癌是全世界妇女最常见的癌症，占所有妇女癌症的16%。全球平均每年乳腺癌新发病例约167万，死亡病例约52万，平均每26秒就会新增一例患者。乳腺癌在发达国家较常见，且女性患乳腺癌的机率是男性的100倍。
在中国，乳腺癌发病率的增速是全球平均增速的两倍，在全世界排第一。每10名女性，就有1人患乳腺癌或者认识乳腺癌患者。每4个乳腺增生患者就有1个可能成为乳癌。
在全球范围内，乳腺癌的发病率相差很大，年龄标化发病率在北美洲高达10万分之99.4。东欧、南美洲、非洲南部和西亚的发病率略低，但也在增长。最低的发病率出现在多数非洲国家，但那里的乳腺癌发病率也在上升。
在世界范围内，乳腺癌存活率相差很大。从北美洲、瑞典和日本的80%或以上到中等收入国家的约60%以及低收入国家的40%以下（Coleman等，2008年）。
较不发达国家中的存活率较低，主要可以解释为缺少早期发现规划，从而造成很大比例的妇女到疾病晚期才去求医，并缺少适当的诊断和治疗设施。
对乳腺癌的若干高危因素已有充分的文献记录，包含了：肥胖症、缺乏运动、饮酒、更年期时的激素替代疗法、游离辐射、初经提早开始与晚生或不生育。大约5-10%的病例是因父母亲的遗传而发生。这些遗传因子包含了BRCA1、BRCA2与其他因子。低收入和中等收入国家越来越多地采用西方生活方式，是这些国家乳腺癌发病率上升的一个重要决定因素。
2
Google AI研发新型癌症检测算法，
乳腺癌检测准确率可达99％
首先，翔叔先给大家科普一下：
到底什么是转移性乳腺癌？
可以从转移性肿瘤说起，指的是癌细胞脱离其原始组织，通过循环或淋巴系统穿过身体，并在身体的其他部位形成新的肿瘤。
在医学领域，这是一种未知的非常难以检测的一种肿瘤。
2009年，在波士顿，两家医疗中心对102名乳腺癌患者进行的一项研究发现，有四分之一的患者都由于医疗过程中“照护程序”失败，而受到了不同程度的影响，例如可能是因为身体检查不充分和诊断检查不完整。
全球范围内，有50万人因乳腺癌死亡，虽然乳腺癌的发病机制未有明确定论，但可以确定的是，90%都是由于转移造成的。但现在，谷歌AI就针对这种转移带来新福音。
圣地亚哥海军医学中心和谷歌人工智能(AI)研究部门Google AI的研究人员，已经开发出了一种很有前途的解决方案，这种方案采用癌症检测算法，能够自动评估淋巴结活检。他们的AI系统被称为“淋巴结助手”(简称LYNA)。
在转移性乳腺癌的检测精度测试中，LYNA的准确率达到99%，这比人类病理学家更胜一筹。
如上图所示，左侧：包含淋巴结的载玻片有多个组学伪影：左边较暗区域是气泡，白色条纹是切割组学伪影，一些区域的红色显示出血（含有血液），组织已经坏死（衰竭），治疗质量较差。右侧：LYNA 识别出肿瘤区域在中央（呈红色），并正确地对非肿瘤区域进行分类（呈蓝色） 。
LYNA是基于开源图像识别深度学习模型Inception-v3开发出来的，该模型在斯坦福大学ImageNet数据集中的准确率超过78.1%。正如研究人员解释的那样，在训练过程中，它以299像素的图像作为输入，在像素水平描述出组织贴片中的肿瘤，提取标签，并调整模型的算法权重以减少误差。
该团队改进了之前发布的算法，将LYNA暴露于正常组织与肿瘤斑块之比为4:1的环境中，并提高了训练过程的“计算效率”，这反过来会促使算法“看到”更多的组织多样性。此外，研究人员还对活检切片扫描的变化进行了规范化，他们说这在更大程度上提高了模型的性能。
研究人员将LYNA应用于检测淋巴结2016年挑战数据集(Camelyon16)的癌症转移诊断，Camelyon16中有399张淋巴结的幻灯片图片，它们来自荷兰拉德堡大学医学中心、荷兰乌得勒支大学医学中心，以及20名患者的108张单独照片。
在这些幻灯片测试中，LYNA达到了99.3%的准确率。当模型的灵敏度阈值被调整以检测每张幻灯片上的所有肿瘤时，它显示了69%的灵敏度，准确地识别出评估数据集中的所有40个转移性肿瘤，没有任何假阳性。此外，它不受气泡、处理不良、出血和过度染色等幻灯片伪影的影响。
LYNA并不完美，它偶尔会认错巨细胞、生发癌和骨髓来源的白细胞，也就是所谓的组织细胞，但它的表现比负责评估同样幻灯片的执业病理学家更好。在Google AI和谷歌母公司Alphabet旗下生命科学子公司Verily发表的第二篇论文中，该模型将6名病理学家组成的小组检测淋巴结转移所需时间减半。
未来的工作将研究该算法是否提高了效率或诊断准确性。研究人员写道：“在幻灯片诊断中，LYNA获得了比病理学家更高的敏感性。这些技术可以提高病理学家的工作效率，减少与肿瘤细胞形态学检测相关的假阴性数量。”
乳腺癌检测只是谷歌AI在医疗领域涉及的其中一小项。事实上，它在视网膜成像测试、眼疾病检测、糖尿病检测与管理、心脏病监测、帕金森综合征的早期预测等多个细分领域中的AI实践，正在全面地形成谷歌AI驱动医疗建设的全栈阵营。
AI医疗发展至今，其本质意义早已超越了其他领域的资本竞赛。毕竟，它的成果不仅仅代表着大资本家们又抓住了某个新的风口，更代表着人类，在对抗癌症这一恐怖的魔鬼的时候，可以更有底气，更有希望！
（文章内容源自Bioworld，优翔，我们充分尊重知识产权，如有问题请及时联系我们）
相关文章
精彩导读
热门资讯
关注我们
