纽约大学使用开源AI诊断肺癌

人工智能（AI）在医学方面有着光明的前景。

Nvidia开发了一种AI系统，可以生成脑癌的合成扫描。谷歌子公司DeepMind已经展示了一种机器学习算法，可以推荐治疗50多种眼病，准确率达到94％。在新发表的研究中，纽约大学（纽约大学）展示了AI如何有助于肺癌的诊断。

一个今天本文发表在杂志 自然医学 （“分类和使用深度学习的非小细胞肺癌的病理图像突变预测”），描述了一个团队纽约大学的研究人员如何再培训谷歌的盗梦空间V3，架构为对象的开放源码的卷积神经网络识别，检测某些形式的肺癌，准确率为97％。

对于每年被诊断患有肺癌的20多万人来说，这是令人鼓舞的消息。根据美国癌症协会和癌症统计中心的数据，每年有超过150,000人死于与疾病相关的并发症。

“[T]他的计算方法可以在常规任务和疑难病例中发挥作用......为了让病理学家专注于更高层次的决策，例如整合组织学，分子和临床信息，以指导治疗决策个别患者，“该团队写道。

他们对来自国家癌症研究所（NCI）和国家人类基因组研究所（NHGRI）维护的公共数据集的癌症基因组图谱（TCGA）的1,634张全幻灯片图像进行了初始v3培训，验证和测试。 33种癌症。一旦它开始，其准确率为99％。为了识别癌细胞，该团队教会它告诉两种最常见的肺癌形式：腺癌（LUAD）和鳞状细胞癌（LUSC）。

当放弃从纽约大学癌症患者身上取得的独立样本时，它表现良好，在83％和97％的时间内正确诊断图像。尽管遇到过此前未见过的特征，包括血栓，血管，炎症，坏死区域和肺部塌陷区域。

更令人印象深刻的是，该模型平均只需20秒，在单GPU上运行，以计算分类概率。

接下来，研究人员训练它不仅可以识别癌组织，还可以识别组织内的基因突变。来自TCGA的美联储图像和每个肿瘤的遗传谱，该系统利用肿瘤外观的细微差异来预测LUAD中十种最常见的突变基因中的六种（STK11，EGFR，FAT1，SETBP1，KRAS和TP53）。

纽约大学医学院的病理学家，新研究的主要作者亚里士多德·齐里戈斯告诉记者，“这些癌症驱动的突变似乎具有算法可以检测到的微观效应” 。“然而，这些微妙的变化是什么，我们不知道。他们被埋在算法中，没有人真正知道如何提取它们。“

在未来，该团队希望将模型的分类扩展到其他较不常见的肺癌，如大细胞癌，以及“组织学亚型”和坏死，纤维化等特征。根据Wired的说法，他们正在考虑组建一家公司并寻求联邦食品和药品管理局（FDA）批准将其技术商业化。

“总的来说，这项研究表明，深度学习卷积神经网络可能是一个非常有用的工具，可以帮助病理学家分类肺组织的整个幻灯片图像，”研究人员写道。“这些信息对于向肺癌患者应用适当的定制靶向治疗至关重要，从而增加精准医学的范围和性能，旨在开发一种多样化的方法，用于患者定制的治疗。”