谷歌產(chǎn)品經(jīng)理彭博士在周二舉行的公司年度I/O開發(fā)者大會上表示，該公司的技術(shù)可以捕捉到癌癥早期發(fā)病跡象。

　　據(jù)世界衛(wèi)生組織統(tǒng)計，肺癌導(dǎo)致的死亡人數(shù)超過其他任何癌癥。它也是最常見的癌癥類型之一，有超過200萬的病例。

　　彭說:“我們知道，如果及早診斷，患者的存活率會更高。但不幸的是，超過80%的肺癌沒有及早發(fā)現(xiàn)。”

　　早期癌癥在CT掃描中很難看到，而晚期癌癥患者在早期掃描中往往僅顯示出細微的跡象。

　　彭表示谷歌利用美國國家癌癥研究所(National cancer Institute)和西北大學(xué)(Northwestern University)的肺癌掃描結(jié)果，訓(xùn)練了一個神經(jīng)網(wǎng)絡(luò)來檢測惡性腫瘤，其水平相當(dāng)于或高于訓(xùn)練有素的放射科醫(yī)生的診斷能力。

　　彭例舉了一個病例：一名沒有癥狀、沒有癌癥病史的病人接受了CT掃描，結(jié)果沒發(fā)現(xiàn)有任何癌癥病狀，但一年后的CT掃描卻發(fā)現(xiàn)了他是晚期癌癥。谷歌使用它的人工智能系統(tǒng)來檢查最初的掃描結(jié)果，該模型能夠在患者確診前一年就發(fā)現(xiàn)了早期癥狀。

　　彭表示對于這樣的病人，早期診斷意味著存活率將提高40%。

　　別小看這4成的概率，對于很多癌癥患者來說，這個數(shù)字不光意味著生的希望，還能減少后期治療的大筆費用和肉體精神上的雙重痛苦。

　　很明顯，對于醫(yī)療技術(shù)來說這是一個非常好的開始，彭也非常希望與期待能和醫(yī)學(xué)界合作，利用AI技術(shù)幫助改善患者的治療結(jié)果。

　　對于癌癥預(yù)防和治療的研究從未停歇過，雖然現(xiàn)在的癌癥早已摘掉不治之癥的標簽，但仍有較大概率致死，并且患者在治療期間需要承受極大的痛苦和精神壓力，光是化療就能將人的身心折磨到瀕臨崩潰的地步，而癌癥種類又很多樣，除了谷歌AI帶來的肺癌診斷外，麻省理工學(xué)院CSAIL的人工智能還能提前5年預(yù)測乳腺癌的發(fā)病。

　　乳腺癌是美國女性死亡的第二大癌癥。據(jù)估計，2015年，有23.2萬名女性被診斷出患有乳腺癌，約4萬人死于乳腺癌。

　　雖然像乳房X光檢查這樣的早起診斷手段已被廣泛應(yīng)用，2014年，僅在美國就進行了3900多萬次乳腺癌篩查，但它們并不總是可靠。大約10%到15%接受乳房X光檢查的女性在進行非結(jié)論性分析后被要求重做檢查。

　　幸運的是，在人工智能的幫助下，麻省理工學(xué)院計算機科學(xué)與人工智能實驗室(CSAIL)和麻省總醫(yī)院的科學(xué)家正在朝著更加一致和可靠的篩查程序邁進。

　　在最新發(fā)表于《放射學(xué)》(Radiology)雜志上的一篇論文中，他們描述了一種機器學(xué)習(xí)模型，該模型可以通過乳房X光檢查來預(yù)測患者未來五年是否可能患上乳腺癌。

　　他們的工作建立在谷歌人工智能和Alphabet的DeepMind的基礎(chǔ)上。谷歌人工智能在10月份表示，它已經(jīng)開發(fā)出一種模型，能夠以99%的準確率檢測轉(zhuǎn)移性乳腺癌。Alphabet的DeepMind去年驗證了一種人工智能系統(tǒng)，倫敦大學(xué)學(xué)院(University College London)的CT掃描顯示出“接近人類的表現(xiàn)”。另外，紐約大學(xué)(New York University)的科學(xué)家最近推出了一種乳腺癌篩查模型，該模型經(jīng)過20多萬次乳房X光檢查的訓(xùn)練，哈佛醫(yī)學(xué)院(Harvard Medical School)的一個團隊設(shè)計了一種人工智能，可以檢測出導(dǎo)致某些癌癥的基因缺陷。

　　“與其采取一刀切的方法，我們還可以針對女性患癌癥的風(fēng)險進行個性化篩查，”一篇新論文的資深作者、乳腺癌幸存者雷吉娜·巴茲雷(Regina Barzilay)說。“例如，醫(yī)生可能會建議一組女性每隔一年接受一次乳房X光檢查，而另一組風(fēng)險較高的女性可能會接受補充的MRI篩查。”

　　正如哈佛大學(xué)教授、論文合著者康斯坦斯?雷曼(Constance Lehman)所解釋的，大多數(shù)乳腺癌風(fēng)險模型關(guān)注的是一系列風(fēng)險因素，如年齡、乳腺癌和卵巢癌家族史、激素和生殖因素以及乳房密度。但其中一些因素與乳腺癌的相關(guān)性較低，損害了模型的準確性。

　　Barzilay和他的同事們避開了手工模式和風(fēng)險識別，而是采用了一個自主的系統(tǒng)，該系統(tǒng)對馬薩諸塞州總醫(yī)院6萬多名患者的9萬多張乳房X射線照片和已知結(jié)果進行培訓(xùn)。從這些樣本中，人工智能系統(tǒng)“學(xué)會”了數(shù)據(jù)之間的關(guān)系，即使是技術(shù)高超的放射學(xué)家和腫瘤學(xué)家也可能忽略這些數(shù)據(jù)。

　　雷曼說:“自20世紀60年代以來，放射學(xué)家注意到，女性在乳房X光片中可以看到獨特且變化廣泛的乳房組織模式。這些模式可以代表基因、激素、懷孕、哺乳、飲食、體重減輕和體重增加的影響。我們現(xiàn)在可以利用這些詳細的信息，在個人層面上更精確地進行風(fēng)險評估。”

　　該團隊還煞費苦心地確保風(fēng)險評估模型對少數(shù)族裔患者和白人患者一樣準確，而早期模型并非總是如此。他們說，這個模型對白人和黑人女性同樣準確，在實驗中，他們說，該模型成功地預(yù)測了31%的高危癌癥患者，而傳統(tǒng)模型的預(yù)測率僅為18%。

　　Barzilay說，它可以為乳房X光檢查奠定基礎(chǔ)，從而識別出患有心血管疾病或其他癌癥等其他健康問題風(fēng)險更高的患者?！拔覀兊哪繕耸鞘惯@些技術(shù)上的進步成為護理標準的一部分，”麻省理工學(xué)院CSAIL的博士生Adam Yala說?！巴ㄟ^預(yù)測未來誰會患上癌癥，我們有希望在癥狀出現(xiàn)之前挽救生命并避免感染癌癥?！?/p>

　　研究人員未來的工作目標是將AI技術(shù)應(yīng)用于其他疾病的模型。