近日，有外媒報道，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)出癌癥檢測算法，能夠自動評估淋巴結(jié)活檢，他們的AI系統(tǒng)被稱為“淋巴結(jié)助手”（簡稱LYNA）。

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

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

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

在轉(zhuǎn)移性乳腺癌的檢測精度測試中，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299像素的圖像（Inception－v3的默認(rèn)輸入大�。┳鳛檩斎耄�并且在訓(xùn)練過程中，提取組織貼片的標(biāo)簽，預(yù)測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識別腫瘤區(qū)域。圖片來源：谷歌。

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

LYNA能準(zhǔn)確識別評估數(shù)據(jù)集中的所有40個轉(zhuǎn)移灶，沒有任何誤報。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，它偶爾錯誤地把巨細(xì)胞、生發(fā)癌和骨髓來源的白細(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，該模型比一個六人組成的董事會認(rèn)證病理學(xué)家團隊檢測淋巴結(jié)轉(zhuǎn)移的時間縮短了一半。

未來的工作將調(diào)查該算法是否提高效率或診斷準(zhǔn)確性。