人工智能（Artificial Intelligence，A．I．）正在逐漸超越人類的能力。自動駕駛汽車用A．I．來完成駕駛，有時能比人類操作更安全。電子商務使用A．I．為客戶量身定制廣告，比任何市場分析員都要精準。很快，人工智能會被用來“識別”生物醫學圖像，比任何一個醫學人員還要準確。

　　美國賓夕法尼亞州伯利恒市的里海大學（Lehigh University）最近在《Pattern Recognition》雜志發表了一項研究成果。這是一種有潛力比目前臨床常用的Pap（子宮頸抹片）和HPV（人乳頭瘤病毒）宮頸癌篩查檢測還要準確的人工智能圖像檢測技術，有望提供更早期的宮頸癌檢測。

　　Xiaolei Huang博士是里海大學計算機科學與工程系的助理教授，她的實驗室關于圖像數據仿真與分析，專門研究人工智能在圖像的應用識別，研發能像人類一樣理解圖像的計算機技術。Huang教授認為“人類與計算機是非常互補的。這就是人工智能的意義。”她目前的重要工作就是教計算機識別生物醫學圖像。

　　在醫療資源匱乏的地區，Pap或HPV篩查會因為價格而難以普及，因此基于子宮頸照片的篩查手段就變得很有臨床應用前景。問題是，可見病變和高分期腫瘤的相關性不強，以及對可見病變分級的專家意見不統一，使得子宮頸照片的臨床診斷價值打了一個問號。

　　▲高危型HPV病毒感染會導致宮頸癌（圖片來源：nutritionreview．org）

　　Huang教授認為計算機算法可以采用視覺信息改進病變分級準確性問題，這個猜想經過10年的努力，被證明是正確的。

　　計算機學習的數據來自美國癌癥研究院（NCI）的10000名匿名女性宮頸圖片資料庫，含有大量數字宮頸照相圖片（一種宮頸的無創檢測手段）。研究團隊從資料庫中挑選了1112個樣本，其中345個是中度至重度增生（高分期，很有可能會發展為宮頸癌），767個是陰性（低分期，輕度增生，可自愈）。

　　為了確定癌癥篩查最有用的特征，研究團隊手工打造了金字塔特征（人工識別的基本組件），提取三個維度的數據——PHOG編碼病變的邊緣和梯度信息，PLAB捕捉膚色信息，PLBP抓取組織信息。同時采用深度學習的卷積神經網絡（convolutional neural networks，CNN）來研究宮頸癌分類。經過大量的宮頸圖片訓練，該系統最終建立了宮頸上皮肉瘤樣病變（cervical intraepithelial neoplasia，CIN）圖像分類算法，這種宮頸表面的鱗狀細胞異常增生是宮頸癌的癌前病變。

　　▲人工智能有望助力人類攻克更多疾病的早期診斷（圖片來源：ZDNet）

　　據研究人員介紹，這種人工智能方法比現有的宮頸癌篩查方法（包括Pap和HPV）在敏感性（陽性正確率）和特異性（陰性正確率）上都提高了10％，有望為現有的宮頸癌篩選方法增加另一種經濟實惠的選擇。

　　目前，該研究團隊正在尋求資金開展進一步的臨床試驗。如果能以更低的成本實現篩查，則有望用于欠發達國家，據統計全球80％的宮頸癌死亡案例來自這些地區。