人工智能還無法代理病理學家做診斷，但可以成為病理學家的助手。

　　DeepMind 近日在其博客公布最新研究方向，通過機器學習，提供乳腺 X 光的檢查幾率。

　　這個研究項目是和倫敦帝國理工學院的癌癥研究機構(gòu)、Google 的人工智能健康研究團隊一起合作的，他們希望建立新的機器學習模型，幫助醫(yī)生提高癌癥檢測率，早發(fā)現(xiàn)癌癥，以便盡早開始治療。

　　乳腺癌是目前僅次于肺癌的最常見癌癥。根據(jù) DeepMind 公布的數(shù)據(jù)，每年全球有 160 多萬人被診斷出乳腺癌，有 50 萬人會因此死亡。

　　而在中國，根據(jù)丁香園數(shù)據(jù)顯示，每年乳腺癌新發(fā)數(shù)量和死亡數(shù)量分別占全世界的 12.2% 和 9.6%，而且從 90 年代以來，中國的乳腺癌發(fā)病率增長速度是全球的兩倍多。

　　如果能盡早發(fā)現(xiàn)并及時治療，就可以降低死亡率，但準確地檢測和診斷乳腺癌仍然是一個巨大的挑戰(zhàn)。

　　目前僅通過乳房 X 光檢查，并不能完全檢測是否患有乳腺癌，很多時候診斷取決于病理學家最后的分析和確定。

　　根據(jù)化學資訊平臺 X-MOL 介紹，病理學家需要在顯微鏡的幫助下，在至少包括 100 億個像素的組織活檢和隨后的病理切片中，尋找腫瘤的蹤跡，判斷腫瘤的大小、癌癥的發(fā)展階段、是否發(fā)生轉(zhuǎn)移等，再決定一下一步治療手段。

　　而通常一個病理學家需要經(jīng)過多年訓練，才能獲得足夠的專業(yè)知識和經(jīng)驗，但這樣的情況下也會出現(xiàn)誤診和漏診。

　　如果能通過深度學習算法，訓練機器學習切片檢查，從中尋找腫瘤，就可以提高診斷的效率和準確率，對病理學家和患者來說將是很大的幫助。

　　其實，在今年 3 月時，Google 的人工智能健康研究團隊已經(jīng)建立了機器學習的模型，用于分析乳腺癌病理切片。

　　為了檢驗成果，Google 還邀請了病理學家和人工智能模型做了一個對比，在沒有時間限制的情況下，分析 130 張病例切片，找出腫瘤。

　　在靈敏度，也即是能找出多少腫瘤細胞占比上，病理學家的準確率為 73%，人工智能模型則為 89%。

　　而在誤判為腫瘤細胞的假陽性率上，人工智能模型卻不如病理學家，因為它除了模型設(shè)計的病理外，無法發(fā)現(xiàn)其他疾病，比如炎癥、自免疫疾病或其他癌癥。

　　從左到右，淋巴結(jié)病理切片、Google 模型的早期結(jié)果、當前結(jié)果。當前的結(jié)果降低了潛在的假陽性。圖片來源：Google

　　Google 的研究人員說，人工智能還無法代理病理學家做診斷，但可以成為病理學家的助手，提高診斷效率。

　　這次研究 DeepMind 和 Google 的 AI 團隊則在此基礎(chǔ)上，建立新的機器學習模型，并學習由英國癌癥研究所資助的研究機構(gòu)提供的 7500 名女性的檢測數(shù)據(jù)。

　　DeepMind 稱，數(shù)據(jù)也常被世界其他衛(wèi)生組織拿去研究，它們不含個人隱私信息。DeepMind 承諾會將數(shù)據(jù)放置在加密的數(shù)據(jù)庫中，試驗用的時候才會解密。

　　自從和人類圍棋挑戰(zhàn)贏了之后，Google 和 Deepmind 團隊就說要將人工智能的技術(shù)用在醫(yī)療健康領(lǐng)域 。去年 2 月，Deepmind 發(fā)布了健康計劃，同年先后發(fā)布了監(jiān)控人的腎功能應(yīng)用 Streams，和能夠辨識眼部疾病的機器學習系統(tǒng)。

　　健康計劃也得到英國國家醫(yī)療服務(wù)體系（National Health Service，NHS）支持，后者向 DeepMind 提供 160 萬份患者資料數(shù)據(jù)，包括過去五年內(nèi)曾感染艾滋病病毒、藥物濫用及墮胎記錄等數(shù)據(jù)。