近日，百度研究院發(fā)表論文提出一種名為“神經(jīng)條件隨機場”的病理切片分析算法，將腫瘤識別定位準(zhǔn)確率大幅提高，準(zhǔn)確率超專業(yè)病理醫(yī)生。

據(jù)了解，在公開數(shù)據(jù)集Camelyon16大賽測試集上，該算法的腫瘤定位FROC分?jǐn)?shù)為0.8096，超過專業(yè)病理醫(yī)生水平以及由哈佛和麻省理工學(xué)院聯(lián)合團(tuán)隊所保持的最好成績。除了病理學(xué)切片分析方面的研究，百度還在探索AI在眼底影像、放射影像、以及智能問診等其他一些醫(yī)療領(lǐng)域的應(yīng)用。

資料顯示，病理切片分析是癌癥診斷中的黃金標(biāo)準(zhǔn)。但是即便對于經(jīng)驗豐富的病理醫(yī)生來說，病理切片的閱片流程也十分困難復(fù)雜。一張40倍放大的電子化病理切片通常由超過十億個像素點組成，磁盤空間大小超過1GB。然而淋巴結(jié)附近微轉(zhuǎn)移腫瘤細(xì)胞群可能最小只有不到1000像素的直徑。而一旦發(fā)現(xiàn)微轉(zhuǎn)移腫瘤細(xì)胞群，病人的治療方案和預(yù)后可能就會有極大差別。因此，詳盡的閱讀病理切片，且不漏掉任何一處具有臨床價值的病灶，如同大海撈針，是一項十分復(fù)雜和耗時的任務(wù)。

百度研究院提出一種深度學(xué)習(xí)算法，一次性輸入一組3x3的圖塊，并聯(lián)合預(yù)測每一張圖塊是否有腫瘤區(qū)域。圖塊之間的空間關(guān)系可以通過一種名為“條件隨機場”的概率圖模型來模擬。整套算法框架可以在GPU上進(jìn)行端到端的訓(xùn)練，而不需任何后處理的步驟。

據(jù)悉，百度在Github上開源了整套算法代碼。