AI可能會改善乳房X線圖像診斷缺陷

　　谷歌的人工智能技術(shù)DeepMind 在2016年的中國古代游戲“Go”中擊敗了世界冠軍，這是人工智能的一次重大勝利?，F(xiàn)在，相同的技術(shù)有一個新的目標：改善乳腺癌篩查，這可能直接影響全球數(shù)百萬人。

　　這家總部位于倫敦的谷歌子公司表示，2007年至2018年間，日本東京的Jikei大學(xué)醫(yī)院接受了大約30,000名婦女的乳房X光檢查，它將使用這些數(shù)據(jù)來改進其人工智能乳腺癌檢測算法。

　　據(jù)不完全統(tǒng)計，僅2012年全球診斷出近170萬例乳腺癌病例，乳腺癌成為女性癌癥死亡的第五大常見原因。目前乳房X光檢查是一種廣泛用于早期乳腺癌的檢查手段。

　　但據(jù)調(diào)查研究表明，如今乳房X線圖像分析準確率較低，大約20%的乳房X線圖像存在假陰性，這意味著可能存在醫(yī)生或技術(shù)人員未發(fā)現(xiàn)的癌癥現(xiàn)象。同時，乳房X線圖像的假陽性也是一個重要問題。

　　在美國，連續(xù)10年中進行年度乳房X光檢查的女性，有超過50%會出現(xiàn)假陽性結(jié)果，從而導(dǎo)致了一系列不必要的檢查和化療。“而這些都可能給患者帶來壓力，并“給世界各地的醫(yī)療服務(wù)增加壓力和成本，”DeepMind健康部門的臨床負責(zé)人Dominic King說。

　　2017年11月，英國癌癥研究中心帝國中心宣布，由King和DeepMind Health領(lǐng)導(dǎo)的頂級AI研究人員和醫(yī)療保健專業(yè)人員組成的聯(lián)盟將負責(zé)使用Google的AI技術(shù)來改進乳房X線照片的閱讀和評估。

　　目前DeepMind Health正在開發(fā)機器學(xué)習(xí)算法，通過審查30,000張圖像，以及來自英國Optimam(從NHS提取的超過80,000次掃描的圖像數(shù)據(jù)庫)提供的磁共振成像(MRI)掃描和歷史乳房X線照片中的3,500張圖像，對其人工智能進行培訓(xùn)，以調(diào)查其AI系統(tǒng)是否能夠準確地發(fā)現(xiàn)癌組織的跡象。雖然其他技術(shù)公司也正在研究解決乳房X線照片問題，但DeepMind的機器學(xué)習(xí)技術(shù)可以說是最先進的一個。

　　雖然大多數(shù)技術(shù)仍在處于實驗階段，但一些基于AI的癌癥工具已經(jīng)在臨床環(huán)境中用于識別乳腺癌的危險因素。目前商業(yè)軟件中使用的深度學(xué)習(xí)算法已能夠準確地查看乳房X線照片并正確識別乳房密度異常部位，這是一項重大進步。

　　DeepMind Health的臨床負責(zé)人Dominic King在博客文章中指出，在其他國家的數(shù)據(jù)集上培訓(xùn)DeepMind的AI系統(tǒng)將有助于減少可能出現(xiàn)的算法偏差。

　　“當(dāng)在數(shù)據(jù)上訓(xùn)練人工智能系統(tǒng)時，可能會出現(xiàn)偏差，而這些數(shù)據(jù)并不能準確反映出研究對象特征，這是一個嚴重的問題?！彼f?！霸谌榉縓光檢查領(lǐng)域，種族群體之間的乳房密度可能存在相當(dāng)大的差異。因此，如果沒有建立模型技術(shù)來反映這些差異，人工智能系統(tǒng)中的偏差可能會導(dǎo)致乳腺癌的錯誤識別甚至錯過。”

　　在醫(yī)學(xué)圖像計算和計算機輔助干預(yù)會議上發(fā)表的一篇論文中，DeepMind的研究人員表示，他們開發(fā)并計劃部署一種能夠以“近乎人性化”的方式對CT掃描進行分割的人工智能系統(tǒng)，并預(yù)計將在明年的臨床環(huán)境中能幫組縮短診斷時間。

　　當(dāng)DeepMind Health在乳房X光檢查領(lǐng)域取得一定技術(shù)成就的同時，外界也出現(xiàn)一些質(zhì)疑的聲音。目前DeepMind Health的研究并未專注于專家所認為乳腺癌治療至關(guān)重要的兩個領(lǐng)域：一是確定哪些癌癥確實需要治療(盡管DeepMind代表說當(dāng)前的研究可能會在應(yīng)用中發(fā)揮作用);一是當(dāng)前的乳房X線圖像診斷無法捕捉間隔癌癥，即在篩查之間出現(xiàn)的快速發(fā)展且常致命的癌癥。

　　對此，DeepMind表示，該算法正在著重就間隔癌癥問題進行測試，并能在未來起應(yīng)用性作用。

　　如果DeepMind Health 的AI系統(tǒng)在乳房X線圖像診斷領(lǐng)域上取得成功，它將可以幫助醫(yī)生大大減少閱片篩查所用時間，將診斷效率提高幾十倍，這將在美國乃至全球的乳腺癌診斷治療上發(fā)揮重大影響。