近日，有外媒報(bào)道，圣地亞哥海軍醫(yī)學(xué)中心和谷歌人工智能研究人員，開發(fā)出癌癥檢測(cè)算法，能夠自動(dòng)評(píng)估淋巴結(jié)活檢，他們的AI系統(tǒng)被稱為“淋巴結(jié)助手”（簡(jiǎn)稱LYNA）。

左：兩個(gè)淋巴結(jié)活檢的圖片。中：谷歌AI深度學(xué)習(xí)腫瘤檢測(cè)的早期結(jié)果。右：谷歌AI深度學(xué)習(xí)后的當(dāng)前結(jié)果（注意兩個(gè)版本之間已可見噪點(diǎn)下降）。

在題為《基于人工智能的乳腺癌淋巴結(jié)轉(zhuǎn)移檢測(cè)》的論文中對(duì)該系統(tǒng)有所描述，這篇論文發(fā)表在《美國(guó)外科病理學(xué)》雜志上。

“人工智能算法可以詳盡地評(píng)估幻燈片上的每個(gè)組織貼片，”該論文的作者寫道?！拔覀兲峁┝艘粋€(gè)框架，以幫助實(shí)踐病理學(xué)家評(píng)估這些算法，以便采用它們的工作流程（類似于病理學(xué)家如何評(píng)估免疫組織化學(xué)結(jié)果）?！?/p>

在轉(zhuǎn)移性乳腺癌的檢測(cè)精度測(cè)試中，LYNA的準(zhǔn)確率達(dá)到99％，這比人類病理學(xué)家更勝一籌。

據(jù)了解，LYNA基于Inception－v3，這是一種開源圖像識(shí)別深度學(xué)習(xí)模型，已被證明可以在斯坦福的ImageNet數(shù)據(jù)集上實(shí)現(xiàn)78．1％的準(zhǔn)確率。

正如研究人員解釋的那樣，它需要一個(gè)299像素的圖像（IncepTIon－v3的默認(rèn)輸入大?。┳鳛檩斎?，并且在訓(xùn)練過程中，提取組織貼片的標(biāo)簽，預(yù)測(cè)腫瘤為良性或者惡性，并調(diào)整模型的算法權(quán)重以減少誤差。

左圖：含有淋巴結(jié)的載玻片。右：LYNA識(shí)別腫瘤區(qū)域。

在測(cè)試中，LYNA實(shí)現(xiàn)了99．3％的幻燈片級(jí)精度。當(dāng)調(diào)整模型的靈敏度閾值以檢測(cè)每張載玻片上的所有腫瘤時(shí)，其靈敏度為69％。

LYNA能準(zhǔn)確識(shí)別評(píng)估數(shù)據(jù)集中的所有40個(gè)轉(zhuǎn)移灶，沒有任何誤報(bào)。此外，它不受載玻片中的人工制品的影響，例如氣泡，加工不良，出血和過度涂抹。

LYNA并不完美，它偶爾錯(cuò)誤地把巨細(xì)胞、生發(fā)癌和骨髓來(lái)源的白細(xì)胞稱為組織細(xì)胞，但是它設(shè)法比負(fù)責(zé)評(píng)估相同載玻片的執(zhí)業(yè)病理學(xué)家表現(xiàn)更好。

在谷歌AI和Verily，谷歌母公司Alphabet的生命科學(xué)子公司發(fā)表的第二篇論文中，該模型比一個(gè)六人組成的董事會(huì)認(rèn)證病理學(xué)家團(tuán)隊(duì)檢測(cè)淋巴結(jié)轉(zhuǎn)移的時(shí)間縮短了一半。

未來(lái)的工作將調(diào)查該算法是否提高效率或診斷準(zhǔn)確性。