人工智能還無法代理病理學家做診斷，但可以成為病理學家的助手。

　　DeepMind 近日在其博客公布最新研究方向，通過機器學習，提供乳腺 X 光的檢查幾率。

　　這個研究項目是和倫敦帝國理工學院的癌癥研究機構、Google 的人工智能健康研究團隊一起合作的，他們希望建立新的機器學習模型，幫助醫生提高癌癥檢測率，早發現癌癥，以便盡早開始治療。

　　乳腺癌是目前僅次于肺癌的最常見癌癥。根據 DeepMind 公布的數據，每年全球有 160 多萬人被診斷出乳腺癌，有 50 萬人會因此死亡。

　　而在中國，根據丁香園數據顯示，每年乳腺癌新發數量和死亡數量分別占全世界的 12.2% 和 9.6%，而且從 90 年代以來，中國的乳腺癌發病率增長速度是全球的兩倍多。

　　如果能盡早發現并及時治療，就可以降低死亡率，但準確地檢測和診斷乳腺癌仍然是一個巨大的挑戰。

　　目前僅通過乳房 X 光檢查，并不能完全檢測是否患有乳腺癌，很多時候診斷取決于病理學家最后的分析和確定。

　　根據化學資訊平臺 X-MOL 介紹，病理學家需要在顯微鏡的幫助下，在至少包括 100 億個像素的組織活檢和隨后的病理切片中，尋找腫瘤的蹤跡，判斷腫瘤的大小、癌癥的發展階段、是否發生轉移等，再決定一下一步治療手段。

　　而通常一個病理學家需要經過多年訓練，才能獲得足夠的專業知識和經驗，但這樣的情況下也會出現誤診和漏診。

　　如果能通過深度學習算法，訓練機器學習切片檢查，從中尋找腫瘤，就可以提高診斷的效率和準確率，對病理學家和患者來說將是很大的幫助。

　　其實，在今年 3 月時，Google 的人工智能健康研究團隊已經建立了機器學習的模型，用于分析乳腺癌病理切片。

　　為了檢驗成果，Google 還邀請了病理學家和人工智能模型做了一個對比，在沒有時間限制的情況下，分析 130 張病例切片，找出腫瘤。

　　在靈敏度，也即是能找出多少腫瘤細胞占比上，病理學家的準確率為 73%，人工智能模型則為 89%。

　　而在誤判為腫瘤細胞的假陽性率上，人工智能模型卻不如病理學家，因為它除了模型設計的病理外，無法發現其他疾病，比如炎癥、自免疫疾病或其他癌癥。

　　從左到右，淋巴結病理切片、Google 模型的早期結果、當前結果。當前的結果降低了潛在的假陽性。圖片來源：Google

　　Google 的研究人員說，人工智能還無法代理病理學家做診斷，但可以成為病理學家的助手，提高診斷效率。

　　這次研究 DeepMind 和 Google 的 AI 團隊則在此基礎上，建立新的機器學習模型，并學習由英國癌癥研究所資助的研究機構提供的 7500 名女性的檢測數據。

　　DeepMind 稱，數據也常被世界其他衛生組織拿去研究，它們不含個人隱私信息。DeepMind 承諾會將數據放置在加密的數據庫中，試驗用的時候才會解密。

　　自從和人類圍棋挑戰贏了之后，Google 和 Deepmind 團隊就說要將人工智能的技術用在醫療健康領域 。去年 2 月，Deepmind 發布了健康計劃，同年先后發布了監控人的腎功能應用 Streams，和能夠辨識眼部疾病的機器學習系統。

　　健康計劃也得到英國國家醫療服務體系（National Health Service，NHS）支持，后者向 DeepMind 提供 160 萬份患者資料數據，包括過去五年內曾感染艾滋病病毒、藥物濫用及墮胎記錄等數據。