主页 > U绿生活 >Google用AI检测癌症,準确率83%超越人类 >
2020-06-07 浏览量:439 点赞:310 收藏:747
Google用AI检测癌症,準确率83%超越人类

为了解决诊断时间有限和诊断结果不一致的问题, Google 研究室正在探索如何让深度学习在数位病理学领域发挥作用,透过建立自动检测演算法,在病理学家的工作中提供辅助。

在检查患者的生物组织样品后, 病理学家的报告通常是许多疾病的黄金诊断标準。特别是对于癌症,病理学家的诊断对患者的治疗具有深远的影响。病理切片审查是一个非常複杂的任务,需要多年的培训才能做好,丰富的专业知识和经验也是必不可少的。

儘管都经过培训,但不同病理学家对同一患者给出的诊断结果,可能存在实质性的差异,而这可能导致误诊。例如,在某些类型的乳腺癌诊断中,诊断结论一致性竟低至 48%,前列腺癌诊断的一致性也同样很低。诊断缺乏一致性低并不少见,因为如果想做出準确的诊断,必须检查大量的资讯。病理学家通常只负责审查一张切片上所有可见的生物组织。然而,每个患者可能有许多病理切片,假设以 40 倍的放大倍数进行数位化切片图像,每个患者的图像数据都超过 10 亿个像素。想像一下,要遍历 1 张 1 千万像素的照片,并且必须对每个像素的判断结果负责。不用说了,这里有太多的数据需要检查,而时间往往是有限的。

为了解决诊断时间有限和诊断结果不一致的问题,我们正在研究如何让深度学习数位病理学领域发挥作用,透过建立一种自动检测演算法,在病理学家的工作流程中提供辅助工具。 Google 研究室使用由 Radboud 大学医学中心提供的图像数据来训练诊断演算法,这些图片也在 2016 ISBI Camelyon Challenge 中使用,目前该演算法已被优化,用于定位出乳腺癌向乳房相邻的淋巴结扩散。

在乳腺癌扩散定位任务中,使用现成的标準深度学习方法如 Inception,表现也是相当不错,虽然生成的肿瘤机率预测图还是存在噪点。我们对这个训练网路做了强化,包括用不同的放大倍数的图片来训练模型,从训练结果来看,我们有可能训练出一个系统,它的能力可以相当于一个病理学家,甚至有可能超过病理学家的表现,并且它拥有无限的时间来检查病理切片。

Google用AI检测癌症,準确率83%超越人类
图 1 左图是来自两个淋巴结活检的图像,中图是早期深度学习演算法检测肿瘤的结果,右图是目前的成果,注意第二个版本的可见杂讯已降低。

事实上,由该演算法产生的预测图已经改善了很多,该演算法的定位得分达到 89%,明显超过没有限时的病理学家表现,他们的得分仅为 73%。我们不是唯一一组认为这种方法是有希望的,其他组别的演算法模型在同一数据集中获得了高达 81%的分数。对我们来说更令人兴奋的是,我们的模型稳定性非常强,从不同的医院使用不同的扫描仪获得的图像都可以识别。相关的详细资讯,请参阅 Google 研究室的相关文章「在千兆像素病理图像上检测癌症转移」。

Google用AI检测癌症,準确率83%超越人类
图 2 淋巴结活检的特写镜头。组织包含乳腺癌转移以及巨噬细胞,其看起来与肿瘤相似,但是是良性正常组织。Google 的演算法成功识别肿瘤区域,不会被巨噬细胞干扰。

虽然这些结果看来振奋人心,但有几个重要的注意事项需要考虑:

训练模型只是将有趣的研究转化为真实产品的第一步。 从临床验证到监管批准,还有很多困难需要克服。但我们已经起了一个非常有希望的开头,我们希望透过分享我们的工作,能够加快这个领域的进步。


上一篇:
下一篇:

相关文章