谷歌AI醫療放大招：將轉移性乳腺癌檢測準確率推向99％！

繼百度公布醫療AI計劃，阿里健康發布醫療「DoctorYou」AI產品之後，始終保持低調的BAT三巨頭中的騰訊終於也宣布參與到了這波浪潮之中。最近，騰訊發布AI醫學影像產品——騰訊覓影，而在國外，谷歌和微軟這些公司也早已在醫療領域開始布局，幫助治療癌症。

本文轉載自「優翔」微信公眾號。

最近，翔叔看到了一則爆炸性新聞——Google AI大戰乳腺癌，現在進入2.0時代！

在最新公布的進展中，Google深度學習演算法在轉移性乳腺癌的檢測精度測試中，準確率達到了99.3%。

毫無疑問，這是人類醫生難以企及的準確率。

根據最近一項評估，人類病理檢驗師，在時間限制下，有62%的時間發現不了個別載玻片上的小轉移現象。

自人類存在的這千百年來，癌症始終是威脅生命的第一大敵人。聽到了癌症，就似乎聽到了死亡。現如今，在商業巨頭的領銜之下，人工智慧的觸角終於伸向醫療領域，如今，Google AI一小步，乳腺癌檢測一大步。在對抗癌症的戰場上，給人類送上了重要的助攻。

01

全世界婦女的頭號癌症殺手：乳腺癌

乳腺癌是全世界婦女的頭號癌症殺手，尤其在發展中國家正在增多，那裡的大多數病例到晚期才得到診斷。

乳腺癌是全世界婦女最常見的癌症，占所有婦女癌症的16%。全球平均每年乳腺癌新發病例約167萬，死亡病例約52萬，平均每26秒就會新增一例患者。乳腺癌在發達國家較常見，且女性患乳腺癌的機率是男性的100倍。

在中國，乳腺癌發病率的增速是全球平均增速的兩倍，在全世界排第一。每10名女性，就有1人患乳腺癌或者認識乳腺癌患者。每4個乳腺增生患者就有1個可能成為乳癌。

在全球範圍內，乳腺癌的發病率相差很大，年齡標化發病率在北美洲高達10萬分之99.4。東歐、南美洲、非洲南部和西亞的發病率略低，但也在增長。最低的發病率出現在多數非洲國家，但那裡的乳腺癌發病率也在上升。

在世界範圍內，乳腺癌存活率相差很大。從北美洲、瑞典和日本的80%或以上到中等收入國家的約60%以及低收入國家的40%以下（Coleman等，2008年）。

較不發達國家中的存活率較低，主要可以解釋為缺少早期發現規劃，從而造成很大比例的婦女到疾病晚期才去求醫，並缺少適當的診斷和治療設施。

對乳腺癌的若干高危因素已有充分的文獻記錄，包含了：肥胖症、缺乏運動、飲酒、更年期時的激素替代療法、遊離輻射、初經提早開始與晚生或不生育。大約5-10%的病例是因父母親的遺傳而發生。這些遺傳因子包含了BRCA1、BRCA2與其他因子。低收入和中等收入國家越來越多地採用西方生活方式，是這些國家乳腺癌發病率上升的一個重要決定因素。

02

Google AI研發新型癌症檢測演算法，

乳腺癌檢測準確率可達99％

首先，翔叔先給大家科普一下：

到底什麼是轉移性乳腺癌？

可以從轉移性腫瘤說起，指的是癌細胞脫離其原始組織，通過循環或淋巴系統穿過身體，並在身體的其他部位形成新的腫瘤。

在醫學領域，這是一種未知的非常難以檢測的一種腫瘤。

2009年，在波士頓，兩家醫療中心對102名乳腺癌患者進行的一項研究發現，有四分之一的患者都由於醫療過程中「照護程序」失敗，而受到了不同程度的影響，例如可能是因為身體檢查不充分和診斷檢查不完整。

全球範圍內，有50萬人因乳腺癌死亡，雖然乳腺癌的發病機制未有明確定論，但可以確定的是，90%都是由於轉移造成的。但現在，谷歌AI就針對這種轉移帶來新福音。

聖地亞哥海軍醫學中心和谷歌人工智慧(AI)研究部門Google AI的研究人員，已經開發出了一種很有前途的解決方案，這種方案採用癌症檢測演算法，能夠自動評估淋巴結活檢。他們的AI系統被稱為「淋巴結助手」(簡稱LYNA)。

在轉移性乳腺癌的檢測精度測試中，LYNA的準確率達到99%，這比人類病理學家更勝一籌。

如上圖所示，左側：包含淋巴結的載玻片有多個組學偽影：左邊較暗區域是氣泡，白色條紋是切割組學偽影，一些區域的紅色顯示出血（含有血液），組織已經壞死（衰竭），治療質量較差。右側：LYNA 識別出腫瘤區域在中央（呈紅色），並正確地對非腫瘤區域進行分類（呈藍色） 。

LYNA是基於開源圖像識別深度學習模型Inception-v3開發出來的，該模型在斯坦福大學ImageNet數據集中的準確率超過78.1%。正如研究人員解釋的那樣，在訓練過程中，它以299像素的圖像作為輸入，在像素水平描述出組織貼片中的腫瘤，提取標籤，並調整模型的演算法權重以減少誤差。

該團隊改進了之前發布的演算法，將LYNA暴露於正常組織與腫瘤斑塊之比為4:1的環境中，並提高了訓練過程的「計算效率」，這反過來會促使演算法「看到」更多的組織多樣性。此外，研究人員還對活檢切片掃描的變化進行了規範化，他們說這在更大程度上提高了模型的性能。

研究人員將LYNA應用於檢測淋巴結2016年挑戰數據集(Camelyon16)的癌症轉移診斷，Camelyon16中有399張淋巴結的幻燈片圖片，它們來自荷蘭拉德堡大學醫學中心、荷蘭烏得勒支大學醫學中心，以及20名患者的108張單獨照片。

在這些幻燈片測試中，LYNA達到了99.3%的準確率。當模型的靈敏度閾值被調整以檢測每張幻燈片上的所有腫瘤時，它顯示了69%的靈敏度，準確地識別出評估數據集中的所有40個轉移性腫瘤，沒有任何假陽性。此外，它不受氣泡、處理不良、出血和過度染色等幻燈片偽影的影響。

LYNA並不完美，它偶爾會認錯巨細胞、生髮癌和骨髓來源的白細胞，也就是所謂的組織細胞，但它的表現比負責評估同樣幻燈片的執業病理學家更好。在Google AI和谷歌母公司Alphabet旗下生命科學子公司Verily發表的第二篇論文中，該模型將6名病理學家組成的小組檢測淋巴結轉移所需時間減半。

未來的工作將研究該演算法是否提高了效率或診斷準確性。研究人員寫道：「在幻燈片診斷中，LYNA獲得了比病理學家更高的敏感性。這些技術可以提高病理學家的工作效率，減少與腫瘤細胞形態學檢測相關的假陰性數量。」

乳腺癌檢測只是谷歌AI在醫療領域涉及的其中一小項。事實上，它在視網膜成像測試、眼疾病檢測、糖尿病檢測與管理、心臟病監測、帕金森綜合征的早期預測等多個細分領域中的AI實踐，正在全面地形成谷歌AI驅動醫療建設的全棧陣營。

AI醫療發展至今，其本質意義早已超越了其他領域的資本競賽。畢竟，它的成果不僅僅代表著大資本家們又抓住了某個新的風口，更代表著人類，在對抗癌症這一恐怖的魔鬼的時候，可以更有底氣，更有希望！

茫茫微信公眾號中相遇不容易，星標☆生物探索，不和探索君走散喲！

End

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！