真正的“人机耦合”?99 %准确率的谷歌人工智能将诊断时间缩短了一半

几年前,人工智能也被认为是医疗保健领域的新生事物。关于人工智能是将取代人类医生还是成为人类助手的讨论层出不穷。

今天,人工智能主要发挥辅助作用,即所谓的“人机耦合”。此外,预计其辅助功能的价值也已经通过一些实践检验。

谷歌在10月14日发布的一篇文章描述了人工智能算法与人类医生合作取得的卓越成果:借助人工智能算法,六名持有美国医生执照的专业病理学家的诊断时间平均缩短了一半。

这项研究发表在美国外科病理学杂志上,题为“深度学习辅助工具对转移性乳腺癌淋巴结组织病理学的影响”。其中,使用的人工智能算法被称为“淋巴结助手”(以下称为“Lyna”),这可以简单地被视为帮助病理学家进行诊断的“拼写检查”。

然而,在独立运营的情况下,Lyna的实力如何?根据病理学和实验室医学档案中发表的另一篇论文“基于人工智能的乳腺癌淋巴结转移检测:病理学家黑匣子的检测”,Lyna能够在两个测试数据集中以99 %的准确率区分有转移癌的载玻片和无转移癌的载玻片。

值得一提的是,在Lyna的开发和应用中,谷歌已经思考并做了更多的事情:尽管Lyna的癌症检测率明显高于前一份报告,但是仅仅依靠精确的算法来改进病理学家的工作流程或乳腺癌患者的治疗结果是不够的。为了患者的安全,开发团队决定在大量案例中测试这些算法,以了解它们的优缺点。

lyna在99 %的论文中通过独立的数据集识别出病理切片,判断正确。

由于这个附加数据集来自不同的实验室,并通过不同的过程由病理样本组成,因此该数据集提高了传统临床实践中病理切片和人工产物的多样性。另一方面,lyna通过这个数据集证实了它可以稳定地应用于图像可变性和大量组织学特征。

在与人类医生的论文中,六名持有美国医生执照的专业病理学家完成了模拟诊断。

在诊断中,他们在Lyna和Lyna的帮助下检查了转移性乳腺癌的淋巴结。对于这种检测小转移的复杂诊断(也称为小转移),由于使用Lyna,平均时间缩短了一半,每张幻灯片大约需要一分钟,而不是两分钟,这让人们主观上感觉“更简单”(根据病理学家的诊断难度进行自我报告)。

图左:包含淋巴结的载玻片有多个组织学伪影:左边的黑暗区域是气泡,白色条纹是切割的组织学伪影,一些区域显示红色出血(包含血液),组织变得坏死(耗尽),并且治疗质量很差。右: Lyna识别中心的肿瘤区域(红色),并正确分类非肿瘤区域(蓝色)。(来源:谷歌)

图左:放大倍数增加时包含小转移性乳腺癌淋巴结的载玻片的样本视图。右:同一视图显示了使用算法辅助(淋巴结辅助,Lyna )后肿瘤的蓝色和青色位置。(来源:谷歌)

Google认为,上述两项表明Lyna等辅助技术具有令人兴奋的潜力,可以减轻重复鉴定的负担,并让病理学家将更多的时间和精力集中在其他更具挑战性的临床和诊断工作上。接下来,谷歌的研究团队将进一步评估Lyna对实际临床工作流程和治疗结果的影响。

Lyna值得大多数人期待的事情之一是,它在某种程度上证明了使用算法辅助的病理学家比不使用算法辅助或者仅仅依靠算法本身的病理学家能够获得更准确的结果。

从能够快速读取CT扫描的深度学习算法到能够梳理电子健康记录( EHR )中非结构化数据的自然语言处理( NLP ),人工智能在医疗保健中的应用已经变得永无止境。但是,就像任何处于技术炒作高峰的技术一样,人工智能的医疗应用面临着质疑者的批评以及福音传播者的热情。每一项重大技术突破都需要时间来实现其全部潜力。在此之前,我们可以期待更多类似这样的“人机耦合”实验成为未来医学人工智能算法着陆的主流“测试领域”。

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20181018A065RR00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券