女性福音,谷歌AI筛查乳腺癌准确率可达99%

文丨拾柒

【项目应用场景】

医疗

【望潮科技测评】

乳腺癌已经成为全球女性中发病和死亡均居首位的恶性肿瘤。

由美国癌症学会主办的学期杂志CA发布的一份数据显示,在两性中,发病率最高的4种癌症是肺癌(占癌症总发病人数的11.6%),女性乳腺癌(11.6%),前列腺癌(7.1%)和结直肠癌(6.1%)。女性当中,乳腺癌则是最常诊断的癌症,是癌症死亡的主要原因。

随着现代医疗技术的发展,乳腺癌的治疗率越来越高,那为什么乳腺癌还成为女性疾病杀手呢?

原因在于,乳腺癌中,存在一种名为转移瘤的病体,它其实是离开了发病组织的癌细胞,通过循环和淋巴系统扩散到身体其他部位,并且形成了新的肿瘤。传统上,医生想要监测转移瘤是极为困难的。

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。如,可能是因为身体检查不充分和诊断检查不完整。

AI的加入,则弥补了传统医疗在乳腺癌检测上的不足。

近日,据外媒VentureBeat报道,圣地亚哥海军医学中心和谷歌人工智能研究人员,开发出癌症检测算法,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)。

图左:两个淋巴结活检的图片,图中:谷歌AI深度学习肿瘤检测的早期结果,图右:谷歌AI深度学习后的当前结果

在《美国外科病理学杂志》中,研究人员针对这个系统发表了“基于人工智能的乳腺癌淋巴结转移检测”的论文。论文写到,在转移性乳腺癌的检测精度测试中,LYNA的准确率达到99%,超过人类的检测准确率。

检测原理

据了解,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数据集中的准确率能超过78.1%。

对此,相关研究人员解释,在训练过程中,它以299像素的图像(Inception-v3默认的输入规格)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。

后来,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。

研究人员训练模型时,将LYNA模型置于2016年癌症细胞检测竞赛(Camelyon16)的癌症转移数据环境里,该数据集来自于Radboud大学和Utrecht大学医学中心,里面包含了399个淋巴结切片的玻片图像,以及来自20名患者的108张图像。

它对270个载玻片(160个正常,110个肿瘤)进行了训练,并使用了两个评估集——一个由129个载玻片组成,另一个由108个载玻片组成,来进行性能评估。

在测试中,LYNA实现了99.3%的幻灯片级精度。当调整模型的灵敏度阈值以检测每张载玻片上的所有肿瘤时,其灵敏度为69%,准确识别评估数据集中的所有40个转移灶,没有任何误报。并且,它不受测试样品中的其他因素影响,例如气泡,加工不良,出血和过度涂抹。

尚存缺陷

当然,LYNA并不完美。

它偶尔会错认巨细胞、生发癌和骨髓来源的白细胞,也就是所谓的组织细胞,但它的表现已经比比负责评估同样幻灯片的专业病理学家好太多了。

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,该模型就将6名病理学家组成的小组检测淋巴结转移所需要的时间减少了一半。

“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。”研究人员写道。

未来,研究人员将继续研究如何提高该算法的效率或诊断准确性。

— END —

MORE丨黑科技推荐

  • 发表于:
  • 原文链接:https://kuaibao.qq.com/s/20181019A1KBII00?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。

扫码关注云+社区

领取腾讯云代金券