人工智能新动态：检测癌症有新方法

【产业链图谱 | 人工智能产业链图谱_人工智能产业链全景图】

【研究报告 | 人工智能行业研究报告】

　　人工智能技术现已经开始影响生物医药行业，谷歌最近发现了新技术能够对乳腺癌进行筛查，并且被证明准确率已经高达99%，这项技术的影响重大，有很深的研究意义。

　　乳腺癌现今检查需要进步

　　据不完全统计，仅2012年全球诊断出近170万例乳腺癌病例，乳腺癌成为女性癌症死亡的第五大常见原因。目前乳房X光检查是一种广泛用于早期乳腺癌的检查手段。

　　但据调查研究表明，如今乳房X线图像分析准确率较低，大约20%的乳房X线图像存在假阴性，这意味着可能存在医生或技术人员未发现的癌症现象。同时，乳房X线图像的假阳性也是一个重要问题。

　　在美国，连续10年中进行年度乳房X光检查的女性，有超过50%会出现假阳性结果，从而导致了一系列不必要的检查和化疗。“而这些都可能给患者带来压力，并“给世界各地的医疗服务增加压力和成本，”DeepMind健康部门的临床负责人Dominic King说。

　　谷歌新工具识别准确率为99%

　　近日，谷歌的研发人员开发了一种深度学习工具，使用两套病理载玻片训练其算法(Lymph Node Assistant，又称LYNA)识别肿瘤的特征，使其能够在各种条件下发现转移。实验显示，转移性乳腺癌的检测精度测试中，LYNA的准确率达到99%，这比人类病理学家更胜一筹。即使是及其微小的转移，人工智能都能够准确的分辨。

　　人工智能识别癌症采用了深度学习

　　在据了解，LYNA基于Inception-v3，这是一种开源图像识别深度学习模型，已被证明可以在斯坦福的ImageNet数据集上实现78.1%的准确率。

　　正如研究人员解释的那样，它需要一个299像素的图像(Inception-v3的默认输入大小)作为输入，并且在训练过程中，提取组织贴片的标签，预测肿瘤为良性或者恶性，并调整模型的算法权重以减少误差。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%。

　　LYNA能准确识别评估数据集中的所有40个转移灶，没有任何误报。此外，它不受载玻片中的人工制品的影响，例如气泡，加工不良，出血和过度涂抹。

　　当然，LYNA并不完美，它偶尔错误地把巨细胞、生发癌和骨髓来源的白细胞称为组织细胞，但是它设法比负责评估相同载玻片的执业病理学家表现更好。

　　这项技术采用的是深度学习算法，通过人工智能技术参与到检测乳腺癌的工作中，让检测工作更加容易，及时的发现治疗对治疗病症大有帮助。