谷歌AI医疗放大招:将转移性乳腺癌检测准确率推向99%!

2018-10-17 佚名 优翔

继百度公布医疗AI计划,阿里健康发布医疗“DoctorYou”AI产品之后,始终保持低调的BAT三巨头中的腾讯终于也宣布参与到了这波浪潮之中。最近,腾讯发布AI医学影像产品——腾讯觅影,而在国外,谷歌和微软这些公司也早已在医疗领域开始布局,帮助治疗癌症。

最近,翔叔看到了一则爆炸性新闻——Google AI大战乳腺癌,现在进入2.0时代!

在最新公布的进展中,Google深度学习算法在转移性乳腺癌的检测精度测试中,准确率达到了99.3%。

毫无疑问,这是人类医生难以企及的准确率。

根据最近一项评估,人类病理检验师,在时间限制下,有62%的时间发现不了个别载玻片上的小转移现象。

自人类存在的这千百年来,癌症始终是威胁生命的第一大敌人。听到了癌症,就似乎听到了死亡。现如今,在商业巨头的领衔之下,人工智能的触角终于伸向医疗领域,如今,Google AI一小步,乳腺癌检测一大步。在对抗癌症的战场上,给人类送上了重要的助攻。

全世界妇女的头号癌症杀手:乳腺癌

乳腺癌是全世界妇女的头号癌症杀手,尤其在发展中国家正在增多,那里的大多数病例到晚期才得到诊断

乳腺癌是全世界妇女最常见的癌症,占所有妇女癌症的16%。全球平均每年乳腺癌新发病例约167万,死亡病例约52万,平均每26秒就会新增一例患者。乳腺癌在发达国家较常见,且女性患乳腺癌的机率是男性的100倍。

在中国,乳腺癌发病率的增速是全球平均增速的两倍,在全世界排第一。每10名女性,就有1人患乳腺癌或者认识乳腺癌患者。每4个乳腺增生患者就有1个可能成为乳癌。

在全球范围内,乳腺癌的发病率相差很大,年龄标化发病率在北美洲高达10万分之99.4。东欧、南美洲、非洲南部和西亚的发病率略低,但也在增长。最低的发病率出现在多数非洲国家,但那里的乳腺癌发病率也在上升。

在世界范围内,乳腺癌存活率相差很大。从北美洲、瑞典和日本的80%或以上到中等收入国家的约60%以及低收入国家的40%以下(Coleman等,2008年)。

较不发达国家中的存活率较低,主要可以解释为缺少早期发现规划,从而造成很大比例的妇女到疾病晚期才去求医,并缺少适当的诊断和治疗设施。

对乳腺癌的若干高危因素已有充分的文献记录,包含了:肥胖症、缺乏运动、饮酒、更年期时的激素替代疗法、游离辐射、初经提早开始与晚生或不生育。大约5-10%的病例是因父母亲的遗传而发生。这些遗传因子包含了BRCA1、BRCA2与其他因子。低收入和中等收入国家越来越多地采用西方生活方式,是这些国家乳腺癌发病率上升的一个重要决定因素。

Google AI研发新型癌症检测算法,

乳腺癌检测准确率可达99%

首先,翔叔先给大家科普一下:

到底什么是转移性乳腺癌?

可以从转移性肿瘤说起,指的是癌细胞脱离其原始组织,通过循环或淋巴系统穿过身体,并在身体的其他部位形成新的肿瘤。

在医学领域,这是一种未知的非常难以检测的一种肿瘤。

2009年,在波士顿,两家医疗中心对102名乳腺癌患者进行的一项研究发现,有四分之一的患者都由于医疗过程中“照护程序”失败,而受到了不同程度的影响,例如可能是因为身体检查不充分和诊断检查不完整。

全球范围内,有50万人因乳腺癌死亡,虽然乳腺癌的发病机制未有明确定论,但可以确定的是,90%都是由于转移造成的。但现在,谷歌AI就针对这种转移带来新福音。

圣地亚哥海军医学中心和谷歌人工智能(AI)研究部门Google AI的研究人员,已经开发出了一种很有前途的解决方案,这种方案采用癌症检测算法,能够自动评估淋巴结活检。他们的AI系统被称为“淋巴结助手”(简称LYNA)。

在转移性乳腺癌的检测精度测试中,LYNA的准确率达到99%,这比人类病理学家更胜一筹。

LYNA是基于开源图像识别深度学习模型Inception-v3开发出来的,该模型在斯坦福大学ImageNet数据集中的准确率超过78.1%。正如研究人员解释的那样,在训练过程中,它以299像素的图像作为输入,在像素水平描述出组织贴片中的肿瘤,提取标签,并调整模型的算法权重以减少误差。

该团队改进了之前发布的算法,将LYNA暴露于正常组织与肿瘤斑块之比为4:1的环境中,并提高了训练过程的“计算效率”,这反过来会促使算法“看到”更多的组织多样性。此外,研究人员还对活检切片扫描的变化进行了规范化,他们说这在更大程度上提高了模型的性能。

研究人员将LYNA应用于检测淋巴结2016年挑战数据集(Camelyon16)的癌症转移诊断,Camelyon16中有399张淋巴结的幻灯片图片,它们来自荷兰拉德堡大学医学中心、荷兰乌得勒支大学医学中心,以及20名患者的108张单独照片。

在这些幻灯片测试中,LYNA达到了99.3%的准确率。当模型的灵敏度阈值被调整以检测每张幻灯片上的所有肿瘤时,它显示了69%的灵敏度,准确地识别出评估数据集中的所有40个转移性肿瘤,没有任何假阳性。此外,它不受气泡、处理不良、出血和过度染色等幻灯片伪影的影响。

LYNA并不完美,它偶尔会认错巨细胞、生发癌和骨髓来源的白细胞,也就是所谓的组织细胞,但它的表现比负责评估同样幻灯片的执业病理学家更好。在Google AI和谷歌母公司Alphabet旗下生命科学子公司Verily发表的第二篇论文中,该模型将6名病理学家组成的小组检测淋巴结转移所需时间减半。

未来的工作将研究该算法是否提高了效率或诊断准确性。研究人员写道:“在幻灯片诊断中,LYNA获得了比病理学家更高的敏感性。这些技术可以提高病理学家的工作效率,减少与肿瘤细胞形态学检测相关的假阴性数量。”

乳腺癌检测只是谷歌AI在医疗领域涉及的其中一小项。事实上,它在视网膜成像测试、眼疾病检测、糖尿病检测与管理、心脏病监测、帕金森综合征的早期预测等多个细分领域中的AI实践,正在全面地形成谷歌AI驱动医疗建设的全栈阵营。

AI医疗发展至今,其本质意义早已超越了其他领域的资本竞赛。毕竟,它的成果不仅仅代表着大资本家们又抓住了某个新的风口,更代表着人类,在对抗癌症这一恐怖的魔鬼的时候,可以更有底气,更有希望!

作者:佚名



版权声明:
本网站所有注明“来源:梅斯医学”或“来源:MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明“来源:梅斯医学”。其它来源的文章系转载文章,本网所有转载文章系出于传递更多信息之目的,转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
评论区 (4)
#插入话题
  1. 2019-03-17 szhvet
  2. 2018-10-24 1e145228m78(暂无匿称)

    学习了,谢谢作者分享!

    0

相关资讯

JAMA Network Open:BRCA基因检测应该面向所有女性

遗传性易感基因如BRCA1和BRCA2(BRCA1/2)基因发生突变,会导致很高的乳腺癌和卵巢癌患病风险。然而,最新一项研究表明,目前鉴别BRCA1/2变异携带者的方法可能不足以作为筛选工具,因为有超过80%的人并不知道自己是乳腺癌、卵巢癌、前列腺癌和胰腺癌风险基因携带者。

BMJ:乳腺癌幸存者长期辅助内分泌治疗与心血管疾病风险

由此可见,本荟萃分析整理了大量随机对照试验和观察性证据,证明内分泌治疗对几种特定心血管疾病的影响,包括静脉血栓栓塞和心肌梗死。尽管芳香酶抑制剂或他莫昔芬的选择主要基于对抗乳腺癌复发的有效性,但本系统评价表明,个体患者静脉或动脉血管疾病的风险应该是一个重要的次要考虑因素。

NCCN临床实践指南:乳腺癌(2018.V2)

2018年10月,美国国家综合癌症网络(NCCN)发布了乳腺癌管理指南2018年第2版,指南主要内容涉及: 指南更新摘要 非浸润性乳腺癌 浸润性乳腺癌 特殊考虑

Ann Oncol:激素替代治疗制剂和用药方式不同 乳腺癌风险大相径庭

绝经期激素疗法(HT)可缓解更年期相关症状,并可预防骨质疏松性骨折,但HT可能与乳腺癌风险增加有关。但两项大型前瞻性研究显示,雌激素单药短期治疗并未增加乳腺癌风险,但长期使用确会如此。因此,目前的建议指出,HT治疗长达3~5年,可能对60岁以下的女性有益,而70岁以上女性则乳腺癌风险增加,所以HT的持续时间不应超过3~5年。

Cancer Cell:小鼠模型证明低副作用乳腺癌专利药对AML有效

一项新研究表明,批准辉瑞旗下用于治疗晚期乳腺癌的药物帕博西尼(palbociclib,药名IBRANCE?)对治疗急性髓系白血病(AML)有效。

江泽飞教授:哪些乳腺癌临床实践可以被改变

江泽飞教授指出,随着乳腺癌精准治疗时代来临,应该在精准指导下对乳腺癌进行个体化的分类治疗。各个干预手段的“加减法”为乳腺癌治疗领域本年度最为热议的话题。减法由于后续治疗手段越来越充分,所以对于手术来说应该适当的做出“减法”。例如,更多的保乳术(BCT)代替了改良根治术(MRM),更多腋窝前哨淋巴结活检术(SLNB)代替了腋窝清扫术(ALND)。放射治疗方面,靶区体积也在逐渐的缩小,有些患者可以行部