DeepMind AI系统检测乳癌准确度超过专家，大幅降低X光解读负担

DeepMind在《自然》科学期刊发布了一个经9万笔数据训练的人工智能模型，能够比人类放射线专家还要更精确的识别乳癌，而且还可以敏感地找出伪阴性的案例，也就是那些实际患有乳癌，但是却被判读成正常的图像，而这对于乳癌的治疗有很大的帮助。

乳癌是女性癌症的第二大死因，研究证明，乳癌若能及早发现治疗的话，将可以逆转这个情况，而乳房X光摄影是能够早期发现乳癌症状的方法，进而能够让病患提早接受治疗，但是解释乳房X光摄影有其限制，专家检测癌症的能力差异很大，可能产生伪阳性和伪阴性错误判断结果。

DeepMind、英国癌症研究中心、西北大学和皇家萨里郡医院合作，开发能够预测乳癌的人工智能系统，这个人工智能系统同时使用来自英国以及美国的数据集。在美国女性每一年或是两年接受一次X光摄影，照片由一位放射科医师解读，在英国则是每三年进行一次检查，每张X光照片由两位放射科医师解读，而研究团队则利用美国与英国的数据集，来开发并评估人工智能系统。

英国数据集包含2012年至2015年间，所有受筛检女性的10％随机样本，其中包括25,856名女性，而有785位接受活检，其中有414名妇女之后被诊断出癌症。美国的数据集则是来自一个医学中心的数据，内置从2001年至2018年3,097名妇女的乳房X光照片，其中有1,511个人接受活检，接受活检的妇女则有686位在活体检查后被诊断出患有癌症。

研究团队把人工智能系统和人类专家的判读结果相比，利用美国的数据集进行评估，能够减少5.7％的伪阳性错误判断几率，而在英国的数据集则能减少1.2％伪阳性误判率，在伪阴性方面，人工智能在美国案例降低了9.4％误判率，而在英国案例则是降低2.7％误判率。

而研究团队也测试了系统的通用性，只用英国数据集训练人工智能系统，并用美国受试者数据集进行评估，结果同样是人工智能系统超越人类专家的表现。研究团队表示，这样的结果可以使人们更相信人工智能系统，并在没有定期乳癌筛检计划的地区，提供妇女精确的乳癌筛检服务。

虽然研究团队还没找出部署人工智能乳癌筛检系统的最佳方法，但是将人工智能系统部署为照片第二解读者，可以有效降低医疗人员的工作负担，在仿真实验中，人工智能系统辅助英国的双重解读系统，只要付出12％的解读工作负担，就能维持现有的筛检性能。