世界癌症日：AI 对癌症治疗有什么资助？

Google 的研究讲明，现阶段最好的诊疗效果来自专业人类和技术的配合努力。

2 月 4 日是世界癌症日。据世界卫生组织，全球规模内，近六分之一的死亡由癌症造成，近 70% 的癌症死亡发生在低收入和中等收入国家。2015 年癌症造成 880 万例死亡，最为常见的癌症类型为肺癌、肝癌、结肠直肠癌、胃癌和乳腺癌。在中国，癌症肩负也出现逐年上升态势，2015 年，平均天天凌驾 1 万人被确诊为癌症，每分钟有 7.5 小我私家被确诊为癌症。

以乳腺癌为例，乳腺 X 线影像技术是筛查乳腺癌的「黄金尺度」。即便如此，对于医学专家来说，阅读 X 线影像仍然是一项难题的任务，检查效果经常有假阳性（误诊）和假阴性（漏诊）的例子泛起。这不仅为医生带来繁重的事情量，也会延长病患的治疗，让病患负担不须要的压力。

现在，随着「AI 辅助医疗」，「AI 驱动医疗」的话题被频频提起，这也意味着从医疗工业和康健工业来看，技术正在负担愈加重要的角色，好比辅助医生突破原先医疗水平的天花板、取代医生负担重复的例行事情，或是改善地域医疗设置不平衡的现状等等。

对症下药

「已往几年里，Google 团队将 AI 应用于医疗保健领域——从通太过析和研究电子病历预测患者疾病到辅助检测肺癌等疾病，虽然我们仍然处于技术开发的早期阶段，可是效果是充满希望的。」Google CFO Ruth Porat 说道。

去年 5 月，Nature Medicine 刊登了 Google 对于肺癌检测的新希望——凭据低剂量盘算机断层扫描图像来预测肺癌。

放射科医生无法像盘算机一样审查 3D 扫描，他们需要审查数百张 2D 图像才气发现问题。Google 建立了机械学习模型，分析高通量的 3D 图像，生成整体肿瘤预测，还可以识别细微的恶性组织。输入患者先前的 CT 图像，该模型便可分析和评估可疑肺结节的生长速度。

Google 团队使用 45856 例未经识此外 CT 图像举行训练，而且将效果与六位经认证的放射科专家举行了比力。在放射科医生无辅助的情况下，Google 模型检测到的假阴性淘汰 5％，假阳性淘汰 11％。

Google 在乳腺癌诊断方面所作的努力要开始于更早。一般来说，乳腺癌细胞的扩散方式通常会先转移到四周的淋逢迎中，淋逢迎转移会影响放射治疗、化疗和手术切除分外淋逢迎的治疗决议。全球已往至少有 50 万人因患乳腺癌死亡，他们当中有 90％都是转移性肿瘤。

针对从原发部位扩散转移到四周淋逢迎的癌症的检测，是病理检查中重要且艰难的一步。大多数癌症都涉及到淋逢迎转移的检测，这项检测则成为了被广泛接纳的 TNM 癌症分期的基础诊断依据之一。

Google 曾经带着工具 LYNA（LYmph Node Assistant）到场 2016 ISBI Camelyon Challenge，该竞赛主要是对乳腺癌在淋逢迎中的转移举行病理切片的分类和定位。

2018 年，Google 划分揭晓两篇论文论述在乳腺癌方面的希望。在第一篇论文中，Google 将 LYNA 算法应用于识别 Camelyon Challenge 和独立数据集（由论文的配合作者提供）的病理切片。LYNA 被证明其在图像可变性和组学伪影上具有稳定的鲁棒性，而且在两个数据集上实现了相似的性能，而且无需分外更多的研发。

左侧：包罗淋逢迎的载波片有多个组学伪影 右侧：LYNA 识别肿瘤区域在中央（呈红色），并正确地将周围充满伪影的区域分类为非肿瘤区域（呈蓝色）

两个数据集中，LYNA 能够以 99% 的正确率区分有转移性癌症和无转移性癌症的载玻片。此外，LYNA 可以确定每张载玻片内癌症和可疑癌症的位置，其中一些由于体积太小而无法被病理学家检测到。因此 Google 团队推测，LYNA 的一个重要用途就是突出这些「可疑」区域，辅助病理学家做出最终诊断。

在第二篇论文中，六名获认证的病理学家在 LYNA 协助下和没有 LYNA 协助下对转移性乳腺癌的淋逢迎做了检查。得益于 LYNA，病理学家平均诊断时间减半，检查每张载玻片只需要一分钟，病理学家主观上认为有了 LYNA 的资助，诊断「越发容易」。就诊断准确性而言，在 LYNA 的资助下，病理学家将淋逢迎微转移的遗漏率淘汰了一半。

左侧：含有微转移淋逢迎的载波片的放大图 右侧：相同视图，在 LYNA 辅助后用蓝色标注出肿瘤的位置

AI 诊断

这些进步听上去令人兴奋，可是更多处于科研试验阶段，有限的数据库，模拟的诊断事情流程，单独检查每个患者的单个淋逢迎的病理载玻片而非实际临床病例中常见的检查多个淋逢迎病理载玻片等，都让 LYNA 算法距离真正的临床实践另有很长的路要走。

可喜的是，2020 年伊始，Google 又在癌症诊断方面带来了好消息。1 月 1 日，Google Health 部门联手 DeepMind 在 Nature 学术期刊上公布乳腺癌人工智能检测系统。该模型是在一个具有代表性数据集上举行训练和调整的，数据集由 76000 多名英国女性和 15000 多名美国女性的未经识此外乳腺 X 线影像组成。然后在一个单独的未经识此外数据集上举行了评估（包罗 25000 多名英国女性和 3000 多名美国女性）。评估效果显示，对比放射科医生，AI 模型的假阳性低了 5.7%（美国）和 1.2%（英国），假阴性低了 9.4%（美国）和 2.7%（英国）。另一项研究中，该系统的体现逾越了六位放射科专家。

乳腺癌人工智能检测系统的检测体现

无论是 LYNA 算法还是这项乳腺癌检测系统，Google 的研究都讲明，现阶段最好的诊疗效果来自专业人类和技术的配合努力。好比，英国的乳腺筛查流程由两位医生配合读片（Double Reading Process），针对这类情况，研究人员让系统和人类专家同时做第一个决议，意见一致便可不二次读片，意见纷歧致，将会启动二次读片。研究人员发现该人工智能系统保持了非劣效性能，相比传统的「双读」，AI 可以淘汰第二个读片者的 88% 事情量。

据 Google 先容，这项人工智能检测系统未来对于临床医学有着深远的意义。为了验证该模型是否可以推广到其他人群和筛查方案。Google 团队仅仅用英国数据重新训练系统，在美国数据中评估。这项实验下，AI 模型体现仍然好于人类专家，假阳性淘汰了 3.5%，假阴性淘汰了 8.1%。只管差距略有缩小，可是测试讲明，在未来的临床部署中，该系统可能提供强大的基础能力，提高癌症筛查的准确性和效率，淘汰患者的等候时间和压力，通过对当地数据微调，模型的体现性能会更好。可是为了到达这一目的，研究人员仍然需要连续的研究，前瞻性的临床试验以及羁系部门的批准。

责任编辑 宋德胜

图片泉源 Google、视觉中国

刚刚竣事的极客公园创新大会十周年：

我们和倪行军、王小川、傅盛、米雯娟、陈睿、刘作虎、樊登……一起，在迈入下一个十年之前——聊了聊「咱们做事儿的人」都体贴的那些事儿，偏向在哪、时机在哪、方法是什么？

也许我们不能准确预测未来到底什么样，但我们可以为下一个十年带去更独立的思考、更成熟的认知，和更好的自己。

GEEKPARK IF 2020 预售票现已开启，点击下方小法式立刻预定。

▼ 今年 IF X 的体验如何？

▼ 点击「阅读原文」填写问卷赢开心大奖。