谷歌在機器學(xué)習(xí)研究方面取得了里程碑式的進展，這將推動該公司在醫(yī)療保健領(lǐng)域的更廣泛抱負。在今天發(fā)表在《自然醫(yī)學(xué)》雜志上的一篇論文中，谷歌研究人員提出了一種端到端的深度學(xué)習(xí)模型，該模型可以與人類放射科醫(yī)生相比或更好地預(yù)測肺癌。來自西北大學(xué)、斯坦福大學(xué)、帕洛阿爾托退伍軍人事務(wù)部和紐約大學(xué)的研究人員也參與了這項研究。

世界衛(wèi)生組織認為肺癌是全球最具破壞性的癌癥，而導(dǎo)致每年180萬人死亡的主要因素是發(fā)現(xiàn)較晚。

影像學(xué)檢查是診斷肺癌最常見的方法，醫(yī)生和放射科醫(yī)生檢查病人的胸部x光片或CT掃描。美國肺協(xié)會建議，在高危人群中，通過低劑量CT篩查早期發(fā)現(xiàn)肺癌，可以將肺癌死亡率降低14%至20%。

不幸的是，美國疾病控制中心（US Centers for Disease Control）的報告顯示，只有不到5%符合篩查標(biāo)準(zhǔn)的患者接受了篩查。在醫(yī)療資源短缺的地區(qū)，篩查率甚至可能更低。谷歌希望通過利用人工智能來改善肺癌篩查，使其更容易獲得，從而改變這一現(xiàn)狀。該公司首席執(zhí)行官孫代皮查伊在推特上寫道：“今天我們將在@NatureMedicine上發(fā)表我們的研究成果，展示這些方法如何提高世界各地許多處于危險中的人的生存機會。”

谷歌的肺癌預(yù)測模型是在TensorFlow上建立和培訓(xùn)的，包括兩個框架：用于產(chǎn)生肺癌惡性腫瘤預(yù)測的完整CT容量模型（在3D體積中觀察），以及用于識別肺結(jié)節(jié)中微妙惡性組織的惡性病變檢測模型。 該模型還可以將先前的CT掃描作為輸入，以提高其預(yù)測準(zhǔn)確性。

本研究使用了三個數(shù)據(jù)集：LUNA、LIDC和NLST。該模型是在美國國立衛(wèi)生研究院（NIH）研究數(shù)據(jù)集中近4.6萬次未識別的胸部CT篩查中訓(xùn)練出來的。

研究人員進行了有CT掃描和沒有CT掃描的實驗。在第一個使用單一CT掃描進行診斷的實驗中，谷歌模型檢測出的癌癥病例比由6名獨立放射科醫(yī)生組成的人類小組多出5%，假陽性病例減少了11%。

在6716例國家肺癌篩查試驗病例中，該模型也達到了最先進的性能（94.4%曲線下面積）。在第二個實驗中，使用了以前的CT掃描，谷歌模型與放射科醫(yī)生的表現(xiàn)相當(dāng)。

谷歌的研究人員說，研究結(jié)果“顯示了深度學(xué)習(xí)模型在提高全世界肺癌篩查的準(zhǔn)確性、一致性和采用率方面的潛力”。

德勤表示，到2020年，全球醫(yī)療保健支出將達到每年8.7萬億美元。雖然谷歌是醫(yī)療保健行業(yè)的新手，但硅谷科技巨頭擁有在這個不斷增長的領(lǐng)域應(yīng)用人工智能的資源和動力。谷歌研究機構(gòu)谷歌大腦已經(jīng)開發(fā)了深度學(xué)習(xí)算法，以改善前列腺癌的分級，檢測轉(zhuǎn)移性乳腺癌，并預(yù)測患者心臟病發(fā)作或中風(fēng)的風(fēng)險。

雖然谷歌的肺癌預(yù)測研究仍處于研究階段，但可以在幾年內(nèi)在醫(yī)院進行部署。 2016年，谷歌推出了深度學(xué)習(xí)研究，用于預(yù)測患者視網(wǎng)膜照片引起的致盲性糖尿病性視網(wǎng)膜病變，這種革命性的人工智能系統(tǒng)已經(jīng)在印度眼科醫(yī)院使用，可幫助醫(yī)生進行檢測和診斷。

原文出自：https：//syncedreview.com/2019/05/20/google-diagnostic-ai-aims-to-boost-lung-cancer-survival-rates/

來源：syncedreview