谷歌在機器學習研究方面取得了里程碑式的進展，這將推動該公司在醫療保健領域的更廣泛抱負。在今天發表在《自然醫學》雜志上的一篇論文中，谷歌研究人員提出了一種端到端的深度學習模型，該模型可以與人類放射科醫生相比或更好地預測肺癌。來自西北大學、斯坦福大學、帕洛阿爾托退伍軍人事務部和紐約大學的研究人員也參與了這項研究。
世界衛生組織認為肺癌是全球最具破壞性的癌癥，而導致每年180萬人死亡的主要因素是發現較晚。
影像學檢查是診斷肺癌最常見的方法，醫生和放射科醫生檢查病人的胸部x光片或CT掃描。美國肺協會建議，在高危人群中，通過低劑量CT篩查早期發現肺癌，可以將肺癌死亡率降低14%至20%。
不幸的是，美國疾病控制中心（US Centers for Disease Control）的報告顯示，只有不到5%符合篩查標準的患者接受了篩查。在醫療資源短缺的地區，篩查率甚至可能更低。谷歌希望通過利用人工智能來改善肺癌篩查，使其更容易獲得，從而改變這一現狀。該公司首席執行官孫代皮查伊在推特上寫道：“今天我們將在@NatureMedicine上發表我們的研究成果，展示這些方法如何提高世界各地許多處于危險中的人的生存機會。”
谷歌的肺癌預測模型是在TensorFlow上建立和培訓的，包括兩個框架：用于產生肺癌惡性腫瘤預測的完整CT容量模型（在3D體積中觀察），以及用于識別肺結節中微妙惡性組織的惡性病變檢測模型。 該模型還可以將先前的CT掃描作為輸入，以提高其預測準確性。
本研究使用了三個數據集：LUNA、LIDC和NLST。該模型是在美國國立衛生研究院（NIH）研究數據集中近4.6萬次未識別的胸部CT篩查中訓練出來的。
研究人員進行了有CT掃描和沒有CT掃描的實驗。在第一個使用單一CT掃描進行診斷的實驗中，谷歌模型檢測出的癌癥病例比由6名獨立放射科醫生組成的人類小組多出5%，假陽性病例減少了11%。
在6716例國家肺癌篩查試驗病例中，該模型也達到了最先進的性能（94.4%曲線下面積）。在第二個實驗中，使用了以前的CT掃描，谷歌模型與放射科醫生的表現相當。
谷歌的研究人員說，研究結果“顯示了深度學習模型在提高全世界肺癌篩查的準確性、一致性和采用率方面的潛力”。
德勤表示，到2020年，全球醫療保健支出將達到每年8.7萬億美元。雖然谷歌是醫療保健行業的新手，但硅谷科技巨頭擁有在這個不斷增長的領域應用人工智能的資源和動力。谷歌研究機構谷歌大腦已經開發了深度學習算法，以改善前列腺癌的分級，檢測轉移性乳腺癌，并預測患者心臟病發作或中風的風險。
雖然谷歌的肺癌預測研究仍處于研究階段，但可以在幾年內在醫院進行部署。 2016年，谷歌推出了深度學習研究，用于預測患者視網膜照片引起的致盲性糖尿病性視網膜病變，這種革命性的人工智能系統已經在印度眼科醫院使用，可幫助醫生進行檢測和診斷。
原文出自：https：//syncedreview.com/2019/05/20/google-diagnostic-ai-aims-to-boost-lung-cancer-survival-rates/
來源：syncedreview
