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