以深度學習判讀腫瘤定位、糖尿病視網膜病變，Google：AI 與醫生合作可達理想成效

【Technews科技新報】機器學習為 AI 人工智慧發展重點領域，而深度學習做為機器學習其中一環，近年來應用於影像辨識發展最為快速且突破最大。Google 研究團隊產品經理、醫學博士彭浩怡（Lily Peng）在 8 月 8 日活動中，說明 Google 深度學習應用於醫療領域的成果，尤其在診斷糖尿病視網膜病變、癌症轉移等方面已有進展。

彭浩怡指出，深度學習隨著真實數據資料量大增、運算能力更為強化，近五年來成效相當顯著，而神經網路也獲得廣泛應用，在解決視覺、語言辨識與理解等問題上，比其他方法的表現更好。他提到，深度神經網路（Deep Neural Network，DNN）的影像辨識精準度不斷提升，2015 年更已達到與人類相同的影像辨識水準。

從過去所採用的傳統電腦視覺來看，若要建構熊貓分類器，必須要經過「特徵工程」（feature engineering）過程，得手動輸入所有熊貓相關特徵，不僅分類費時且成效不高；如今透過卷積神經網路（Convolutional Neural Network，CNN）可大幅提高影像辨識效率，只要提供電腦大量熊貓及非熊貓圖片，各約 5,000 張以上愈多愈好，卷積神經網路會自行學習辨識熊貓。相較於過去傳統電腦視覺著重特徵工程，卷積神經網路更偏重在準備資料，進行模型架構（Model architecture）及數據優化（Numerical Optimization）兩方面。

深度學習在影像辨識領域應用相當廣泛，彭浩怡和研究團隊運用 Google 自家開源機器學習系統 TensorFlow 架構進行機器學習研究，進一步將技術應用在醫療領域判讀醫學成像，包括診斷糖尿病視網膜病變、乳腺癌腫瘤轉移等。彭浩怡指出，糖尿病視網膜病變是全球失明人數攀升的主因，目前有 4.1 億糖尿病患者都有視網膜病變的風險，但其實這是可以預防的。

視網膜眼底經特殊相機拍攝後，必須由專業眼科醫生判讀影像加以分級，不過，有些地區如印度因眼科醫生嚴重短缺，加上其他因素導致 45 ％病患在診斷前已失明，對於可全面預防的病變來說，這樣的結果著實令人沮喪。身為醫生的彭浩怡為改善現狀，與研究團隊著手研究如何將深度學習應用於視網膜影像判讀，並與印度當地夥伴溝通合作。

Google 研究團隊採用 26 層卷積神經網路，創建出具有 12.8 萬張視網膜眼底影像的開發數據集（Dataset），透過 54 名專業眼科醫生判讀分級並建立模型，進而訓練模型判讀視網膜眼底影像，達到如同專業眼科醫生般判讀視網膜病變等級的能力；接著也進一步開發辨識工具，只要將圖像拖曳至系統便能得出診斷結果，現正於印度當地醫院進行臨床實驗。目前試驗結果顯示，演演算法判斷結果與專業眼科醫生的診斷結果呈高度一致性。

Google 深度學習另一應用是判讀癌症組織切片。彭浩怡表示判讀病理切片並不容易，以乳腺癌切片為例，每 12 人當中就有 1 人可能被誤診，其他癌症也有遭誤診的情況，這是因為病理切片上可見的生物組織資訊龐雜，每個切片在 40 倍放大後約有 100 億像素（10 Gigapixels），相當於 1,000 張千萬像素照片的量，還要在有限的時間內審查，這對病理醫生來說是極大挑戰，因此需藉由演演算法為醫生提供協助。

Google 為此以深度學習開發自動檢測演演算法，並加以訓練改善，用來判斷乳腺癌擴散或轉移定位。該演演算法的定位準確率（FROC）可達 89 ％，超越病理學家在沒有時間限制下對腫瘤定位的正確率 73 ％。彭浩怡認為，最理想的做法就是病理學家跟演演算法共同合作，如此不僅具有高敏感度，又可避免假陽性結果。

除此之外，Google TensorFlow 也廣泛應用到許多外部醫學研究，例如斯坦福大學（Standford University）研究團隊就採用 TensorFlow 架構和深度學習，進一步研究皮膚癌判讀應用。

下一步鎖定三大重點發展

為了讓深度學習未來在醫療診斷上能更有效也更精準地輔助醫生，接下來主要朝三大重點發展，分別是與世界各地合作夥伴進行臨床驗證、與醫療團隊建立建立信任感，以及改善工作流程與使用者界面設計。

至於臨床驗證需要多少時間才能實際應用，彭浩怡說明，目前有關技術包括影像分析、演算法等還在初期發展階段，儘管美國食葯管理局（FDA）對這些技術並不陌生也有一定程度理解，平均可能還要再五年時間才有機會通過審查、正式推出市場，因此恐怕不會太快實現。

深度學習除了應用在醫學成像判讀外，Google 也正進行「DeepVariant」計劃，將技術用在基因體定序數據（genome sequencing data）方面，並與更多醫療單位組織建立合作夥伴關係，未來將持續為醫療照護領域做出貢獻，共同努力改善人們的健康。

（圖片來源：《科技新報》攝）

如需獲取更多資訊，請關注微信公眾賬號：Technews科技新報

政治大學日文系畢業，在媒體、出版產業任職多年。生活中少不了電影、搖滾樂、美國超級英雄；喜歡學習新知，關注科技產業、電子商務發展趨勢、商管議題。

未經許可，任何媒體、網站或個人不得複製、轉載、或以其他方式使用本網站的內容，違者必究。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！