如今，包括谷歌、IBM等越來越多科技公司研究將人工智能技術應用于乳腺癌篩查，并已經(jīng)取得了不錯的進展。

美國云計算巨頭Salesforce最近宣布其一項AI技術也能幫助識別乳腺癌的跡象，準確率高達92%。

識別乳腺癌癥狀準確率高達92%

日前，Salesforce揭開了其一項名為“ReceptorNet”機器學習系統(tǒng)的面紗，該項目由Salesforce公司的研究人員與南加州大學醫(yī)學研究所醫(yī)生勞倫斯J.埃里森一同合作開發(fā)的。

根據(jù)發(fā)表在《自然通訊》雜志上的一項研究介紹，該系統(tǒng)可以為腫瘤學家在為乳腺癌患者制定適當治療方案時候，識別乳腺癌關鍵的標志生物癥狀，準確率達到92%。

數(shù)據(jù)顯示，乳腺癌的發(fā)病率在全球各個地方幾乎都在上升，每年有200多萬女性患乳腺癌。在美國，每8個女性中就有1個會在一生中患上這個疾病。

為了解決這個問題，Salesforce的研究人員開發(fā)了一種算法，即前面提到的“ReceptorNet”，它可以有效利用可低成本且大量獲取的組織圖像來預測激素受體的狀態(tài)。通常，檢測乳腺癌細胞需要通過活檢或手術中提取，但這類型的活檢圖像并不太容易獲取，需要病理學家審查。

Salesforce的研究人員用數(shù)千張圖像對ReceptorNet系統(tǒng)進行培訓，讓該系統(tǒng)可以通過照片分析激素受體狀態(tài)，包括形狀、大小和結構的細胞等等。

研究表明，許多用于訓練診斷疾病的算法的數(shù)據(jù)可能會因使用的樣本不同，使不平等持續(xù)下去。但Salesforce表示，當它分析ReceptorNet在年齡、種族和地理上是否存在偏見跡象時，發(fā)現(xiàn)并沒有差異。他們還表示，無論所分析的組織樣本的制備方法有何不同，ReceptorNet都能做出準確的預測。

Salesforce認為，像ReceptorNet這樣的系統(tǒng)如果應用于臨床，可以幫助降低護理成本和治療乳腺癌所需的時間，同時提高準確性，為患者提供更好的治療結果。

其它公司在這方面取得的進展

除了Salesforce之外，許多科技巨頭也投資了人工智能在醫(yī)學方面的研究。

今年1月，谷歌旗下的谷歌Health發(fā)布了一種人工智能模型，該模型通過對9萬多張x光片的訓練，比放射科醫(yī)生判斷取得了更好的效果。谷歌聲稱，與傳統(tǒng)的工作方式相比，該算法可以識別出更多的假陰性——那些看起來正常但含有乳腺癌的圖像，但一些臨床醫(yī)生、數(shù)據(jù)科學家和工程師對這一說法提出了異議。

今年3月份，IBM Research也于多家機構合作，測試在乳腺癌篩查中應用人工智能技術。這項研究使用醫(yī)療研究機構310800多張未識別的乳房x線照片和臨床數(shù)據(jù)，并使用這些數(shù)據(jù)訓練算法以識別腫瘤。

總而言之，這些研究目的是通過整合人工智能（AI）來降低誤報率(即癌癥診斷)，并在有癌癥時減少漏診，從而改善情況。在未來，人工智能不會取代所有醫(yī)生，但將取代不使用人工智能的醫(yī)生。

文章來源于網(wǎng)絡，如有侵權請聯(lián)系刪除。